2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩79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、語音識別在實驗室環(huán)境中已取得了令人滿意的效果,但當運用到實際環(huán)境時卻往往出現(xiàn)識別率顯著下降的情況,如何提高噪聲環(huán)境下的語音識別魯棒性是當今語音識別研究中最為重要的問題。本文針對語音識別前端處理中的魯棒性語音特征提取技術展開研究,分別從時域和頻域兩個方面出發(fā),并結合人類發(fā)聲特點和人耳聽覺特性對已有的特征進行改進,提出了兩種具有較好魯棒性的語音特征提取方法。
   首先,本文提出采用神經(jīng)網(wǎng)絡進行非線性預測的時域特征提取方法,針對神經(jīng)

2、網(wǎng)絡預測存在大量待估計參數(shù)的問題,通過線性預測方法中的最小均方誤差原理,減少了估計參數(shù)的數(shù)目,實現(xiàn)了魯棒性較高的特征提取。實驗表明,在多種信噪比下,與線性預測編碼系數(shù)(LPC)和梅爾頻率倒譜系數(shù)(MFCC)特征相比有更好的魯棒性。
   其次,針對傳統(tǒng)MFCC的離散余弦變換(DCT)在語音信息表達方面存在的缺陷,采用具有更好表征能力的獨立成分分析法(ICA)對離散余弦變換進行替換,提出了一種新的特征提取方法。實驗表明,新的提取方

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