基于動態(tài)環(huán)境自適應(yīng)端點檢測的語音識別系統(tǒng)研究.pdf

1、語音信號是人類傳播信息和感情交流的重要媒體，是聽覺器官對聲音傳媒介質(zhì)的機械振動的感知，也是人類最重要、最有效、最常用、最方便的通信方式。語音信號處理是信息科學(xué)研究領(lǐng)域中目前發(fā)展最迅速的學(xué)科之一，其研究涉及眾多前沿課題。端點檢測是語音識別中的一項關(guān)鍵技術(shù)?，F(xiàn)階段的各種端點檢測算法在信噪比較高時檢測性能均較好，但隨著信噪比的下降各算法性能都明顯下降，且目前算法大多沒有自我學(xué)習(xí)能力，在信號噪聲發(fā)生大幅度變化時往往失效，無法適應(yīng)充斥實際生活中室

2、外各種復(fù)雜的噪聲環(huán)境。 本課題主要針對實際生活噪聲環(huán)境下的孤立詞語音識別，研究能夠動態(tài)適應(yīng)環(huán)境的語音識別系統(tǒng)。實際生活環(huán)境中的噪聲往往以高斯白噪聲為主，且環(huán)境經(jīng)常變化。高斯混合模型（GMM）能夠描述復(fù)雜的隨機量，且具有很強學(xué)習(xí)能力，能夠動態(tài)自適應(yīng)隨機量分布的變化。本文用高斯混合模型來描述環(huán)境中的背景噪聲，并通過對高斯模型和噪聲特性的分析，研究了基于高斯混合模型的端點檢測算法，詳細(xì)闡述了該算法流程。對語音識別其它模塊的算法進行了研

3、究，選擇了相應(yīng)的優(yōu)化算法，包括語音增強、特征提取以及模板匹配模塊，研究了各模塊的設(shè)計方案。通過對語音識別系統(tǒng)各個模塊的研究，最后組成了一套完整的能夠動態(tài)自適應(yīng)環(huán)境的語音識別系統(tǒng)并對系統(tǒng)識別性能進行了仿真實驗。 本系統(tǒng)主要針對復(fù)雜環(huán)境下的孤立詞識別，在環(huán)境發(fā)生改變時能夠進行自我學(xué)習(xí)更新，無需人為干預(yù)。但在環(huán)境噪聲發(fā)生較大突變時學(xué)習(xí)速度有限，需要較長時間來適應(yīng)突變后的噪聲環(huán)境；另外系統(tǒng)整體的計算量較大，識別速度有限，在實時性方面仍有