首页> 中文学位 >噪声环境下语音特征参数提取与匹配算法的研究
【6h】

噪声环境下语音特征参数提取与匹配算法的研究

代理获取

目录

符号表

第1章 绪论

1.1语音识别技术应用研究

1.2语音识别技术发展史及国内外研究现状

1.3语音识别系统分类

1.4课题研究意义及内容

第2章 语音识别原理

2.1语音信号产生模型

2.2语音增强

2.3语音信号预处理

2.4端点检测

2.5本章小结

第3章 语音增强技术

3.1谱减法

3.2自适应滤波法

3.3基于小波阈值增强算法

3.4基于Hilbert-Huang变换的语音增强

3.5试验分析

3.6本章小结

第4章 语音信号特征参数提取

4.1线性预测系数

4.2 LPC倒谱系数

4.3感知线性预测分析

4.4 Mel倒谱系数

4.5试验分析

4.6本章小结

第5章 语音匹配算法研究

5.1矢量量化方法

5.2动态时间归正算法

5.3基于隐马尔科夫模型的语音匹配算法研究

5.4本章小结

第6章 结论

6.1课题总结

6.2工作展望

缩略语词汇表

参考文献

致谢

攻读硕士学位期间的研究成果

展开▼

摘要

语音识别是语音信号处理的一个重要研究方向,它的目的是实现人与机器之间的无障碍沟通。当前的语音识别系统在试验条件下通常都能取得优良的效果,但在将其应用到实际中时性能会骤然下降。本论文以提高语音识别系统性能为研究重点,对噪声环境下语音识别技术的关键技术作了深入探讨。
  论文首先介绍了语音识别的基本概况、对课题研究意义进行了说明,并对语音识别原理进行了分析;针对噪声环境中语音识别率较低的状况,论文对语音增强算法进行研究,分析了几种常用的语音增强算法:谱减法、自适应抵消法、小波阈值法等,并提出一种基于Hilbert-Huang变换的语音增强方法,该方法根据经验模态分解得到不同基函数分量,自适应调节门限阈值实现去噪,通过仿真试验说明该方法的优点。接下来,论文分析了特征参数提取算法,总结分析了当前比较流行的几种特征参数提取算法,对线性预测系数、感知线性倒谱系数及Mel频率倒谱系数的原理、实现流程作了详细介绍,通过试验比较这几种系数的优劣。最后论文对语音识别中的匹配算法进行研究,介绍了三种匹配算法:矢量量化法、动态时间归正技术及隐马尔可夫模型。前两种技术在孤立词、小词汇量语音识别系统中都取得良好效果,但在大词汇量连续语音识别系统中隐马尔科夫模型更具优势。针对大词汇量语音识别计算负担过重的问题,将Viterbi算法与Beam剪枝技术相结合,在识别率基本不受影响的情况下,大大压缩了搜索空间,减小计算负担,并提出一种优化剪枝门限方法,通过试验证明该方法的可行性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号