基于非參數(shù)化譜估計的語音特征提取研究與實現(xiàn).pdf

1、自動語音識別技術(shù)研究是模式識別中重要課題之一，它在實際應(yīng)用中同樣有著重要的作用。目前，大部分語音識別在干凈的環(huán)境下有較好的識別性能，但在實際噪聲環(huán)境下，語音識別性能將明顯降低。因而，語音識別的研究具有重要的研究價值和實際意義。
　　本文針對語音識別前端技術(shù)中魯棒性語音特征提取展開研究，分析傳統(tǒng)的語音特征提取方法在語音信號譜估計方面的不足，結(jié)合人耳聽覺特性和人類發(fā)聲特性，提出一種具有較好魯棒性和識別性能的語音特征提取算法，并將其在嵌

2、入式DSP平臺上移植實現(xiàn)。
　　首先，本文通過分析不同的非參數(shù)化譜估計方法，指出線性預(yù)測譜估計方法(LPC)和快速傅里葉譜估計方法(FFT)應(yīng)用于語音特征提取方法時，其譜分辨率差，導(dǎo)致其語音識別的魯棒性在實際環(huán)境中受到很大的影響，引入最小方差無失差響應(yīng)譜估計方法(MVDR)，實現(xiàn)高分辨率與高魯棒性的語音識別特征提取。
　　其次，本文針對語音信號為非平穩(wěn)隨機信號的特點，將希爾伯特譜估計應(yīng)用于語音特征提取中，提出一種新的魯棒性語

3、音特征提取方法MHCC(Hilbert-MFCC)特征提取方法，提取有效的瞬時幅度特征和瞬時頻率特征的同時提高了特征值的判別性，從而達(dá)到提高語音識別的魯棒性與識別率的目的。實驗結(jié)果表明，與美爾頻率倒譜系數(shù)(MFCC)特征和基于最小方差無失真響應(yīng)譜(MVDR-MFCC)特征相比，MHCC有明顯的優(yōu)勢，即有更高的抗噪性，較低的算法復(fù)雜度及更好的識別率，該算法更適合于嵌入式平臺的實現(xiàn)。
　　最后，在CCS3.1集成開發(fā)環(huán)境下完成MFCC