噪声鲁棒语音识别中若干问题的研究

摘要

本文对噪声鲁棒语音识别中若干问题进行了研究。主要内容包括： 1．对现有的噪声鲁棒语音识别技术进行了讨论，并根据语音识别系统的构成将噪声鲁棒语音识别技术按照信号空间、特征空间和模型空间的鲁棒语音识别技术进行了分类总结。 2．基于高斯混合模型的两级Mel弯曲维纳滤波，提出了一种基于高斯混合模型的先验信噪比估计方法。在语音增强过程中，语音谱和先验信噪比利用训练好的高斯混合模型计算得到，然后将得到的先验信噪比应用到传统的语音增强系统中。 3．在研究基于MVA的特征规整算法基础上，提出结合语音增强与特征规整的鲁棒语音识别算法。前端采用最小均方误差对数谱幅度估计语音增强算法对含噪语音进行处理，由于增强后的语音仍然含有残余噪声，会影响语音识别系统的性能。因此，在后端采用MVA特征规整进一步降低增强语音和纯净语音之间的不匹配。 4．深入研究了基于似然比测试的语音激活检测算法，并对基于直接决策似然比测试的语音激活检测算法和基于平滑似然比测试的语音激活检测算法进行了讨论。

目录

文摘

英文文摘

论文说明：符号说明

声明

第一章绪论

1.1语音识别发展历史

1.2语音识别基本框架

1.2.1特征提取

1.2.2声学模型

1.2.3语言模型

1.2.4解码器

1.3语音识别存在的问题

1.4论文研究意义

1.5论文结构安排

参考文献

第二章噪声鲁棒语音识别研究概述

2.1噪声鲁棒语音识别研究内容

2.2信号空间鲁棒语音识别技术

2.2.1语音增强

2.2.2语音激活检测

2.3特征空间鲁棒语音识别技术

2.3.1鲁棒特征提取

2.3.2特征补偿

2.3.3特征规整

2.4模型空间鲁棒语音识别技术

2.4.1模型补偿

2.4.2自适应技术

2.5其它技术

2.5.1区分性训练技术

2.5.2采用含噪语音进行模型训练

2.6 小结

参考文献

第三章基于GMM的两级Mel弯曲维纳滤波

3.1引言

3.2基于短时谱估计的语音增强算法

3.3语音增强中基于GMM的先验信噪比估计

3.3.1语音谱GMM

3.3.2基于GMM的先验信噪比估计

3.3.3实验结果及分析

3.4基于GMM的两级Mel弯曲维纳滤波算法

3.4.1基于GMM的两级Me1弯曲维纳滤波器

3.4.2实验结果及分析

3.5 小结

参考文献

第四章改进的基于MVA特征规整的鲁棒语音识别算法

4.1引言

4.2 MVA特征规整算法

4.3结合语音增强和MVA特征规整的鲁棒语音识别算法

4.3.1最小均方误差对数谱幅度估计

4.3.2系统结构

4.3.3实验结果及分析

4.4结合特征补偿和MVA特征规整的鲁棒语音识别算法

4.4.1对数谱域环境补偿

4.4.2三种结合形式

4.4.3实验结果及分析

4.5小结

参考文献

第五章改进的基于似然比测试的语音激活检测

5.1引言

5.2基于似然比测试的语音激活检测算法

5.2.1基本的LRT的语音激活检测算法

5.2.2基于直接决策的LRT语音激活检测算法

5.2.3基于平滑LRT的语音激活检测算法

5.3改进的基于LRT的语音激活检测算法

5.4实验

5.4.1实验配置

5.4.2实验结果

5.5小结

参考文献

第六章总结与展望

6.1论文总结

6.2研究展望

博士期间发表的论文

致谢