语音识别论文(语音识别技术论文)噪声环境下汉语连续语音识别技

1、语音识别论文（语音识别技术论文）：噪声环境下汉语连续语音识别技术研究 【摘要】： 语音识别已经有了半个多世纪的研究历史,取得了很大的进展。当前的语音识别系统在纯净语音环境中已经获得了非常高的识别精度,但在现实应用中,无处不在的噪声使得系统的识别性能大幅度降低,抗噪声问题是语音识别系统实用化的关键问题之一。 本文主要研究加性噪声环境下的汉语连续语音识别技术。首先介绍了语音识别的基本原理、语音识别系统的组成及其关键技术,随后介绍了噪声的分类和各种抗噪声技术,在此基础上本文的主要工作有： 1)在个人电脑平台上实现了一个中等词汇量、非特定人的汉语连续语音识别系统。系统采用带调音节作为识别基元

2、,Mel频标倒谱系数作为特征参数、隐马尔可夫模型作为识别模型,并对其进行实验,分析系统的性能。 2)在汉语连续语音识别中,准确检测出音节的始点和终点是很重要的一步。现有的汉语连续语音端点检测方法在纯净语音环境下检测准确率很高,但在噪声环境下准确率大幅度降低。本文根据汉语连续语音的特点以及噪声的特性,提出了基于元音检测的汉语连续语音端点检测方法,有效提高了噪声环境下端点检测的准确率。 3)语音识别系统处理的对象是特征参数,特征参数的抗噪性能对系统的抗噪性能影响很大。本文在分析传统Mel频标倒谱系数提取过程的基础上,结合小波包分析和滤波器加权分析,提出了一种新的特征参数提取方法。实验结果表明：改进

3、后的特征参数比传统Mel频标倒谱系数具有更高的识别率和更好的抗噪性能。【关键词】：汉语连续语音识别 端点检测 特征提取 隐马尔可夫模型 抗噪 【学位授予单位】：西北大学【学位级别】：硕士【学位授予年份】：2010【作者】：王艳【索取该硕士论文全文（WORD文档）】博硕教育网客服Q Q: 138113721 139938848【著作权益说明】本站仅为中国学术文献总库的合作代理商，作者如有异议请直接与总库联系【目录】： · 摘要3-4· Abstract4-8· 第一章 绪论8-14· 1.1 语音识别简介8-10· 1.1.1 语音识别技术概述8

4、-9· 1.1.2 国内外语音识别技术研究与发展9-10· 1.2 噪声环境下连续语音识别的意义10-11· 1.2.1 连续语音识别的意义10· 1.2.2 抗噪技术在语音识别中的意义10-11· 1.3 本文主要工作及创新11· 1.4 本文章节安排11-14· 第二章 语音识别系统构成14-34· 2.1 语音识别基本原理14-15· 2.2 语音预处理15-18· 2.2.1 预滤波与数字化15· 2.2.2 预加重15· 2.2.3 加窗分帧15-16·

5、2.2.4 端点检测16-18· 2.3 语音特征提取18-22· 2.3.1 线性预测倒谱系数19-21· 2.3.2 Mel频标倒谱系数21-22· 2.4 识别模型22-23· 2.4.1 动态时间规整22-23· 2.4.2 人工神经网络23· 2.5 隐马尔可夫模型23-32· 2.5.1 马尔可夫链23-24· 2.5.2 隐马尔可夫模型的定义24-25· 2.5.3 HMM的三个基本问题25· 2.5.4 HMM三个基本问题的解决方法25-29· 2.5.5 H

6、MM模型分类29-32· 2.6 小结32-34· 第三章 语音抗噪技术简介34-42· 3.1 噪声分类34-35· 3.1.1 加性噪声与乘性噪声34· 3.1.2 平稳噪声与时变噪声34-35· 3.1.3 全频带噪声与窄带噪声35· 3.2 噪声对连续语音识别的影响35-36· 3.3 各种抗噪技术36-41· 3.3.1 抗噪声语音增强技术36-39· 3.3.2 抗噪型语音特征提取技术39-40· 3.3.3 噪声环境下的模型补偿技术40-41· 3.4 小结41

7、-42· 第四章 噪声环境下端点检测技术研究42-48· 4.1 基于元音检测的端点检测方法42-47· 4.1.1 语音段检测42-44· 4.1.2 元音段检测44-45· 4.1.3 音节拆分45-46· 4.1.4 端点检测的流程46-47· 4.2 实验与结果分析47· 4.3 小结47-48· 第五章 噪声环境下特征提取方法研究48-54· 5.1 小波包分析及Mel滤波器组加权分析思想48-49· 5.1.1 小波包分析48-49· 5.1.2 Mel滤波器组加

8、权分析思想49· 5.2 特征参数提取过程49-51· 5.2.1 传统的MFCC提取过程49-50· 5.2.2 基于小波包分析及WFBA的MFCC参数提取过程50-51· 5.3 实验结果及其分析51· 5.4 小结51-54· 第六章 实验及结果分析54-60· 6.1 软硬件环境54· 6.2 语音库的建立54· 6.3 声学模型54-55· 6.3.1 语音识别基元54-55· 6.3.2 特征参数55· 6.3.3 模型选取55· 6.4 语言模型55-56· 6.5 系统实现56-58· 6.6 实验及分析58-59