語(yǔ)音識(shí)別論文(語(yǔ)音識(shí)別技術(shù)論文)噪聲環(huán)境下漢語(yǔ)連續(xù)語(yǔ)音識(shí)別技術(shù)研究

1、語(yǔ)音識(shí)別論文（語(yǔ)音識(shí)別技術(shù)論文）：噪聲環(huán)境下漢語(yǔ)連續(xù)語(yǔ)音識(shí)別技術(shù)研究 【摘要】： 語(yǔ)音識(shí)別已經(jīng)有了半個(gè)多世紀(jì)的研究歷史,取得了很大的進(jìn)展。當(dāng)前的語(yǔ)音識(shí)別系統(tǒng)在純凈語(yǔ)音環(huán)境中已經(jīng)獲得了非常高的識(shí)別精度,但在現(xiàn)實(shí)應(yīng)用中,無(wú)處不在的噪聲使得系統(tǒng)的識(shí)別性能大幅度降低,抗噪聲問(wèn)題是語(yǔ)音識(shí)別系統(tǒng)實(shí)用化的關(guān)鍵問(wèn)題之一。 本文主要研究加性噪聲環(huán)境下的漢語(yǔ)連續(xù)語(yǔ)音識(shí)別技術(shù)。首先介紹了語(yǔ)音識(shí)別的基本原理、語(yǔ)音識(shí)別系統(tǒng)的組成及其關(guān)鍵技術(shù),隨后介紹了噪聲的分類(lèi)和各種抗噪聲技術(shù),在此基礎(chǔ)上本文的主要工作有： 1)在個(gè)人電腦平臺(tái)上實(shí)現(xiàn)了一個(gè)中等詞匯量、非特定人的漢語(yǔ)連續(xù)語(yǔ)音識(shí)別系統(tǒng)。系統(tǒng)采用帶調(diào)音節(jié)作為識(shí)別基元

2、,Mel頻標(biāo)倒譜系數(shù)作為特征參數(shù)、隱馬爾可夫模型作為識(shí)別模型,并對(duì)其進(jìn)行實(shí)驗(yàn),分析系統(tǒng)的性能。 2)在漢語(yǔ)連續(xù)語(yǔ)音識(shí)別中,準(zhǔn)確檢測(cè)出音節(jié)的始點(diǎn)和終點(diǎn)是很重要的一步。現(xiàn)有的漢語(yǔ)連續(xù)語(yǔ)音端點(diǎn)檢測(cè)方法在純凈語(yǔ)音環(huán)境下檢測(cè)準(zhǔn)確率很高,但在噪聲環(huán)境下準(zhǔn)確率大幅度降低。本文根據(jù)漢語(yǔ)連續(xù)語(yǔ)音的特點(diǎn)以及噪聲的特性,提出了基于元音檢測(cè)的漢語(yǔ)連續(xù)語(yǔ)音端點(diǎn)檢測(cè)方法,有效提高了噪聲環(huán)境下端點(diǎn)檢測(cè)的準(zhǔn)確率。 3)語(yǔ)音識(shí)別系統(tǒng)處理的對(duì)象是特征參數(shù),特征參數(shù)的抗噪性能對(duì)系統(tǒng)的抗噪性能影響很大。本文在分析傳統(tǒng)Mel頻標(biāo)倒譜系數(shù)提取過(guò)程的基礎(chǔ)上,結(jié)合小波包分析和濾波器加權(quán)分析,提出了一種新的特征參數(shù)提取方法。實(shí)驗(yàn)結(jié)果表明：改進(jìn)

3、后的特征參數(shù)比傳統(tǒng)Mel頻標(biāo)倒譜系數(shù)具有更高的識(shí)別率和更好的抗噪性能?！娟P(guān)鍵詞】：漢語(yǔ)連續(xù)語(yǔ)音識(shí)別 端點(diǎn)檢測(cè) 特征提取 隱馬爾可夫模型 抗噪 【學(xué)位授予單位】：西北大學(xué)【學(xué)位級(jí)別】：碩士【學(xué)位授予年份】：2010【作者】：王艷【索取該碩士論文全文（WORD文檔）】博碩教育網(wǎng)客服Q Q: 138113721 139938848【著作權(quán)益說(shuō)明】本站僅為中國(guó)學(xué)術(shù)文獻(xiàn)總庫(kù)的合作代理商，作者如有異議請(qǐng)直接與總庫(kù)聯(lián)系【目錄】： · 摘要3-4· Abstract4-8· 第一章 緒論8-14· 1.1 語(yǔ)音識(shí)別簡(jiǎn)介8-10· 1.1.1 語(yǔ)音識(shí)別技術(shù)概述8

4、-9· 1.1.2 國(guó)內(nèi)外語(yǔ)音識(shí)別技術(shù)研究與發(fā)展9-10· 1.2 噪聲環(huán)境下連續(xù)語(yǔ)音識(shí)別的意義10-11· 1.2.1 連續(xù)語(yǔ)音識(shí)別的意義10· 1.2.2 抗噪技術(shù)在語(yǔ)音識(shí)別中的意義10-11· 1.3 本文主要工作及創(chuàng)新11· 1.4 本文章節(jié)安排11-14· 第二章 語(yǔ)音識(shí)別系統(tǒng)構(gòu)成14-34· 2.1 語(yǔ)音識(shí)別基本原理14-15· 2.2 語(yǔ)音預(yù)處理15-18· 2.2.1 預(yù)濾波與數(shù)字化15· 2.2.2 預(yù)加重15· 2.2.3 加窗分幀15-16·

5、2.2.4 端點(diǎn)檢測(cè)16-18· 2.3 語(yǔ)音特征提取18-22· 2.3.1 線(xiàn)性預(yù)測(cè)倒譜系數(shù)19-21· 2.3.2 Mel頻標(biāo)倒譜系數(shù)21-22· 2.4 識(shí)別模型22-23· 2.4.1 動(dòng)態(tài)時(shí)間規(guī)整22-23· 2.4.2 人工神經(jīng)網(wǎng)絡(luò)23· 2.5 隱馬爾可夫模型23-32· 2.5.1 馬爾可夫鏈23-24· 2.5.2 隱馬爾可夫模型的定義24-25· 2.5.3 HMM的三個(gè)基本問(wèn)題25· 2.5.4 HMM三個(gè)基本問(wèn)題的解決方法25-29· 2.5.5 H

6、MM模型分類(lèi)29-32· 2.6 小結(jié)32-34· 第三章 語(yǔ)音抗噪技術(shù)簡(jiǎn)介34-42· 3.1 噪聲分類(lèi)34-35· 3.1.1 加性噪聲與乘性噪聲34· 3.1.2 平穩(wěn)噪聲與時(shí)變?cè)肼?4-35· 3.1.3 全頻帶噪聲與窄帶噪聲35· 3.2 噪聲對(duì)連續(xù)語(yǔ)音識(shí)別的影響35-36· 3.3 各種抗噪技術(shù)36-41· 3.3.1 抗噪聲語(yǔ)音增強(qiáng)技術(shù)36-39· 3.3.2 抗噪型語(yǔ)音特征提取技術(shù)39-40· 3.3.3 噪聲環(huán)境下的模型補(bǔ)償技術(shù)40-41· 3.4 小結(jié)41

7、-42· 第四章 噪聲環(huán)境下端點(diǎn)檢測(cè)技術(shù)研究42-48· 4.1 基于元音檢測(cè)的端點(diǎn)檢測(cè)方法42-47· 4.1.1 語(yǔ)音段檢測(cè)42-44· 4.1.2 元音段檢測(cè)44-45· 4.1.3 音節(jié)拆分45-46· 4.1.4 端點(diǎn)檢測(cè)的流程46-47· 4.2 實(shí)驗(yàn)與結(jié)果分析47· 4.3 小結(jié)47-48· 第五章 噪聲環(huán)境下特征提取方法研究48-54· 5.1 小波包分析及Mel濾波器組加權(quán)分析思想48-49· 5.1.1 小波包分析48-49· 5.1.2 Mel濾波器組加

8、權(quán)分析思想49· 5.2 特征參數(shù)提取過(guò)程49-51· 5.2.1 傳統(tǒng)的MFCC提取過(guò)程49-50· 5.2.2 基于小波包分析及WFBA的MFCC參數(shù)提取過(guò)程50-51· 5.3 實(shí)驗(yàn)結(jié)果及其分析51· 5.4 小結(jié)51-54· 第六章 實(shí)驗(yàn)及結(jié)果分析54-60· 6.1 軟硬件環(huán)境54· 6.2 語(yǔ)音庫(kù)的建立54· 6.3 聲學(xué)模型54-55· 6.3.1 語(yǔ)音識(shí)別基元54-55· 6.3.2 特征參數(shù)55· 6.3.3 模型選取55· 6.4 語(yǔ)言模型55-56· 6.5 系統(tǒng)實(shí)現(xiàn)56-58· 6.6 實(shí)驗(yàn)及分析58-59