基于空間分離和丟失數據的語音識別算法研究.pdf

1、目前常用的魯棒語音識別研究主要是基于測試環(huán)境和訓練環(huán)境的失配問題提出的，例如魯棒語音特征參數提取、特征補償和模式自適應的方法，這些魯棒性算法的研究出發(fā)點都是要保證測試特征參數和訓練特征參數模型的一致性。
　　而人耳聽覺系統(tǒng)的語音信號處理系統(tǒng)具有較強的魯棒性，能夠在極其嘈雜的聲學環(huán)境下實現(xiàn)準確的語音感知和識別。相關研究指出人耳聽覺感知過程可以分為兩個階段:第一，聲學信號的切分(segmentation)過程，第二，屬于同一聲學目標的

2、感知成分的組合(grouping)過程，從而形成不同聲源連貫的數據流(coherent stream)。也就是說聽覺系統(tǒng)的感知過程，實際上是聽覺場景中不同聲源信號的重組織過程，混合聲信號中屬于同一聲源的分量組織到一個數據流中，從而得到不同聲源的數據流，使得人耳的聽覺系統(tǒng)可以區(qū)分不同的聲源。在此基礎上，再進行進一步的處理。因此從人耳聲信號處理的機制出發(fā)，對基于語音分離的魯棒識別方法進行研究。
　　考慮到由于基于方位信息的語音分離與語

3、音信號內容、說話人無關，同時基于空間方位信息的語音分離無需建立源信號參數的統(tǒng)計模型。由于空間分離后，特征參數存在數據丟失的問題，因此本論文將基于空間分離的語音分離方法和基于丟失數據的語音識別方法進行了結合，提出了融合空間方位分離和丟失數據的孤立詞識別算法。本論文的主要工作如下:
　　(1)對語音識別系統(tǒng)的基本結構進行了概述，包括預處理、特征提取與HMM語音模型。具體分析了現(xiàn)有魯棒語音識別技術在信號空間、特征空間與模型空間所包含的代

4、表性的技術。并由此引入本文的重點研究內容:基于丟失數據的語音識別技術。
　　(2)分析了現(xiàn)有魯棒識別系統(tǒng)經常使用的語音特征參數，包括倒譜域中的梅爾倒譜系數(MFCC)和線性預測倒譜系數(LPCC)?；趤G失數據技術的基本原理，本文研究了另外兩種頻域中的參數:基于梅爾濾波器組的FBANK參數和基于Gammatone濾波器組的子帶RateMap參數，并基于HMM通過Matlab進行仿真測試，實驗表明，這兩種參數可以應用于基于丟失數據的

5、語音識別系統(tǒng)之中。
　　(3)實現(xiàn)了基于空間分離和丟失數據技術的語音識別系統(tǒng)?；诳臻g信息的語音分離算法基于語音信號的稀疏性生成不同聲源的二元掩膜，這種判決方式會產生目標聲源頻域成分丟失的問題。本文研究了兩種算法對丟失的數據部分進行處理。一種是完全忽略數據的丟失部分，僅使用未丟失的數據進行語音識別，即邊緣概率技術。另一種是通過特定的方法恢復數據的丟失部分，得到完整的數據用來進行語音識別，即數據估計技術。仿真實驗表明兩種技術在低信噪