基于BSS和SVM的語音識別技術研究.pdf_第1頁
已閱讀1頁，還剩56頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、隨著計算機技術的飛速發(fā)展,目前語音識別技術的研究已有了實質(zhì)性的突破。
　　本文在已有的研究成果上,對以SVM為聲學模型的連續(xù)語音識別系統(tǒng)進行了相關的改進:針對連續(xù)語音識別單元對系統(tǒng)性能有著直接影響的問題,選取了音節(jié)作為識別單元并通過動態(tài)循環(huán)雙門限起止點前后向搜索方法基本實現(xiàn)了每個獨立音節(jié)能夠被完整的切分出來;同時為了使SVM模型獲得較好的訓練數(shù)據(jù),在SVM模型訓練前利用VQ對高維語音參數(shù)進行聚類即碼本設計,并在VQ中引入SAHKC

2、方法對語音信號的MFCC參數(shù)聚類,比傳統(tǒng)的K-means方法的聚類效果更優(yōu)越。
　　由于實際環(huán)境中存在的各種噪聲會導致訓練環(huán)境和識別環(huán)境不匹配,使得大多在實驗室中具有較高識別率的語音識別系統(tǒng)在噪聲環(huán)境下的性能急劇下降。常規(guī)的消噪技術雖然對噪聲的抑制有一定的作用,但是存在一定的局限性。針對此種情況,本文在語音識別系統(tǒng)的前端采用了盲分離技術(BSS)與卡爾曼濾波器相結(jié)合的方法對含噪語音進行消噪處理,使噪聲與目標語音信號自動分離,以得到

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論