基于一維卷積神經(jīng)網(wǎng)絡(luò)的車載語(yǔ)音識(shí)別技術(shù)研究.pdf

1、隨著經(jīng)濟(jì)水平的提高，汽車的使用正在逐漸普及。在汽車數(shù)量增長(zhǎng)的同時(shí)，人們?cè)谲囕v的駕乘體驗(yàn)方面也提出了安全性、便捷性等多方面的需求。語(yǔ)音是人類之間最高效的交流方式之一，很多車載設(shè)備選擇語(yǔ)音作為入車交互的主要方式，以滿足用戶的需求。其中影響到用戶體驗(yàn)的最關(guān)鍵的技術(shù)就是語(yǔ)音識(shí)別技術(shù)。
　　語(yǔ)音識(shí)別技術(shù)經(jīng)歷了數(shù)十年的發(fā)展，與神經(jīng)網(wǎng)絡(luò)的結(jié)合使其識(shí)別性能得到大幅提升。其中卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Networks，CN

2、Ns)因其出色的局部觀察和高層聚合等能力，在語(yǔ)音識(shí)別領(lǐng)域得到了廣泛應(yīng)用。但是傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)都是二維結(jié)構(gòu)，并不能很好地反映出語(yǔ)音信號(hào)的一維特性。因此，本文提出使用一維模型進(jìn)行車載環(huán)境下的語(yǔ)音識(shí)別。其通過(guò)卷積核在時(shí)間軸上的移動(dòng)，在保留頻帶相關(guān)性的同時(shí)可以更好地滿足語(yǔ)音信號(hào)的時(shí)變性，進(jìn)而提高識(shí)別性能。此外，本文還對(duì)語(yǔ)音識(shí)別系統(tǒng)的前端處理算法進(jìn)行了研究，具體開(kāi)展了以下工作:
　　(1)在分析了車載噪聲特點(diǎn)和卷積混合的聲學(xué)環(huán)境的情況下，

3、研究了適用于車載環(huán)境的基于多窗譜估計(jì)的譜減法和基于獨(dú)立分量分析(IndependentComponent Analysis，ICA)的語(yǔ)音增強(qiáng)算法，并分別通過(guò)仿真實(shí)驗(yàn)證明其有效性。針對(duì)車載噪聲中常見(jiàn)端點(diǎn)檢測(cè)算法性能不佳的問(wèn)題，本文給出了基于加權(quán)功率譜的端點(diǎn)檢測(cè)算法，算法首先估算出噪聲的譜能量分布系數(shù)，再結(jié)合加權(quán)函數(shù)，計(jì)算出每個(gè)子帶的譜能量加權(quán)系數(shù)。通過(guò)對(duì)不同子帶譜能量的加權(quán)調(diào)整，增加了噪聲和語(yǔ)音信號(hào)在功率譜中的區(qū)分度。仿真實(shí)驗(yàn)結(jié)果表明，

4、在車載噪聲環(huán)境中，基于加權(quán)功率譜的端點(diǎn)檢測(cè)算法具有更好的檢測(cè)效果，不同信噪比環(huán)境下，檢測(cè)正確率較其他常用算法提高了約23％。
　　(2)通過(guò)理論分析和實(shí)驗(yàn)證明，在車載噪聲環(huán)境中，Mel頻率倒譜系數(shù)(MelFrequency Cepstrum Coefficient, MFCC)比線性預(yù)測(cè)倒譜系數(shù)(Linear PredictionCepstrum Coefficient,LPCC)具有更高的魯棒性和抗干擾能力。同時(shí)，對(duì)包括動(dòng)態(tài)時(shí)間

5、規(guī)整(Dynamic Time Warping，DTW)、隱馬爾科夫模型(Hidden MarkovModel，HMM)和BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)在內(nèi)的常用語(yǔ)音識(shí)別算法進(jìn)行了研究。
　　(3)針對(duì)語(yǔ)音信號(hào)的一維特性，提出使用一維卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行車載語(yǔ)音識(shí)別。相比較于二維模型，一維卷積神經(jīng)網(wǎng)絡(luò)中的卷積核為一維向量，相當(dāng)于語(yǔ)音信號(hào)的時(shí)間軸上的觀察窗，可以提取信號(hào)的局部特征，保證其時(shí)變性和頻帶相關(guān)性。實(shí)驗(yàn)結(jié)果表明