小波预增强及HMM/BPNN融合的鲁棒性语音识别研究

摘要

本文对语音识别的鲁棒性提高进行研究,提出了改进的小波阈值去噪法并与时域滤波相结合,对带噪语音信号进行识别前的预增强,效果良好。并在语音识别中将隐马尔可夫模型HMM和BP神经网络BPNN进行融合,利用BPNN的非线性及学习性求取HMM观测概率,有效的将时序模型HMM与声学模型ANN进行结合并对BP神经网络构建过程的隐层节点数确定及训练算法进行了优化,最后的仿真实验表明该混合模型,在噪声环境下由于HMM的强时序建模能力和神经网络的强学习能力比单纯HMM具有更强的噪声鲁棒性,明显改善了语音识别系统的性能。