首页> 中文学位 >一种基于子带最大似然线性回归的鲁棒语音识别方法
【6h】

一种基于子带最大似然线性回归的鲁棒语音识别方法

代理获取

目录

文摘

英文文摘

声明

第一章 绪论

1.1研究的背景和意义

1.2研究现状及存在问题

1.3本文的主要研究内容

第二章 语音识别系统概述

2.1预处理技术

2.2特征提取技术

2.3模式匹配方法

2.4本章小结

第三章 基于SMLLR的语音识别

3.1概述

3.2子带处理

3.3最大似然线性回归MLLR

3.4基于SMLLR的语音识别系统

3.5本章小结

第四章 实验仿真及结果分析

4.1仿真环境介绍

4.2实验结果与分析

4.2.1 MFCC与LPCC的比较

4.2.2不同信噪比下的识别率

4.2.3基于MLLR的语音识别实验

4.2.4基于SMLLR的语音识别实验

4.3本章小结

第五章 结论与展望

参考文献

攻读学位期间公开发表的论文

致谢

展开▼

摘要

目前语音识别系统在训练与测试条件一致的情况下可以达到很高的识别率,但具体到实际应用中,由于说话人的变化、环境条件的变化以及噪声等因素的影响,会使识别系统的性能急剧下降。模型自适应算法是减小环境失配影响的有效方法之一,它通过少量自适应数据将模型参数变换到识别环境。最大似然线性回归(MLLR)是一种常用于减小环境失配影响的模型自适应算法。
   本文针对最大似然线性回归算法在低信噪比环境下误识率较高的缺点进行了研究,采用一种子带最大似然线性回归(SMLLR)方法用于非特定人的语音识别系统的鲁棒性研究。实验表明,本文算法可以有效地提高低信噪比环境下非特定人语音识别系统的识别率。

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