结合发音特征的抗噪语音识别

摘要

本文引入发音与听觉感知的非线性关系到语音识别中,通过实验验证了改进系统具有更好的鲁棒性.实验在MOCHATIMIT数据库上,训练得到将声学特征映射成发音参数的ELM神经网络,通过该网络得到TIMIT数据集的发音特征,与声学参数(MFCC)相融合,分别在DNN-HMM与GMM-HMM系统上训练,相比只用MFCC训练的语音识别系统有更好的抗噪性能.干净语音下,特征融合的GMM-HMM系统比基线系统词错误率(WER)下降了2.2个百分点,在10dB街道噪声信噪比时,GMM-HMM系统的WER也下降了3.4个百分点,DNN-HMM的基于MFCC与MFCC+EMA的识别性能也有5个百分点的绝对提升.