抗噪聲語音識別技術的研究.pdf

1、該文對噪聲環(huán)境中的語音識別技術進行了研究,其主要內容及成果如下:1.針對MFCC(Mel-Frequency Cepstral Coefficient)和LPCC(Linear Prediction Cepstral Coefficient)特征在低信噪比時區(qū)分能力較差、使用模型補償技術無法取得很高識別率的缺點,提出了基于單邊自相關序列(one-sided autocorrelation,OSA)MFCC特征的模型補償技術.2.分析了環(huán)

2、境噪聲對相對自相關序列(Relative Autocorrelation Sequences,RAS)MFCC特征的影響,提出了基于RAS-MFCC特征的模型補償技術.3.提出了一種基于MFCC特征的邊緣概率(marginalisation)噪聲語音識別技術.在提出的丟失數據(Missing Data,MD)技術中,對MFCC特征的每個分量采用了兩個相互獨立準則的聯合判決結果來判定其可靠性,增加了判決的準確度.4.對邊緣概率技術中的二元

3、判決作了改進,提出了一種基于MFCC特征的軟判決技術.在軟判決技術中,根據該文所提的邊緣概率技術中的兩個判決準則,采用了一個基于規(guī)則的模糊邏輯系統(tǒng)來確定每個分量的可靠程度.5.提出了一種基于RAS-MFCC特征的邊緣概率技術,實驗結果表明所提識別方法可以有效地提高RAS-MFCC的識別率,并且其性能明顯優(yōu)于基于濾波器組語音特征和MFCC特征的邊緣概率技術.6.提出了一種噪聲自適應的多分辨率語音識別方法.所提識別方法將全帶識別器與子帶識別