基于麦克风阵列模型补偿的语音识别算法

论文摘要

语音识别技术是信号处理领域的重要技术之一，在现代通信、多媒体语音、人工智能系统等多个领域中都具有广泛的应用价值。现有的语音识别系统通常是为受控环境中的纯净语音设计的，但是噪声环境下的语音识别系统的性能会随着噪声对语音的污染而急剧下降。如何使语音识别系统尽量不受周围环境噪声的影响，保持较高的识别率已经成为厄待解决的关键问题。模型补偿算法根据环境噪声的特性，对纯净语音模型的特征参数进行修正，以补偿训练环境和测试环境之间的差异，使得补偿后的语音模型与带噪语音的实际分布尽量逼近。所以采用经过模型补偿后的语音模型进行语音识别，能大大提高系统识别率。模型补偿存在的一个问题是当实际测试环境的带噪语音信噪比降低时，语音逐渐被噪声污染而使得模型特征参数难以分辨，导致识别效果严重下降。模型补偿方法是一种有效的处于模型层的后端处理手段，而麦克风阵列语音增强方法属于在信号层上对语音进行前端处理的手段。麦克风阵列具有良好的空间选择性，能有效抑制除所需目标语音信号方向外的干扰噪声，从而取得明显的消噪效果。因此，在处理后端的模型补偿模块前面加入处理前端的麦克风阵列所形成的语音识别系统能有效结合两者的优势，从而取得识别性能的提升。本文将麦克风阵列语音增强算法（前端处理技术）和模型补偿算法（后端处理技术）结合，利用麦克风阵列对语音进行增强，减少带噪语音中的噪声成分，使得模型补偿在测试条件下带噪语音信噪比降低时也能取得满意的识别效果。新方法先用麦克风阵列对含噪语音进行处理，然后提取语音特征进行模型补偿（Log-Add算法），最后进行语音识别计算识别率，最后用MATLAB和HTK工具在不同信噪比的不同噪声环境下进行了实验仿真。实验结果表明基于麦克风阵列模型补偿的语音识别新算法提高了系统识别率,尤其在低信噪比下。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文研究背景
• 1.2 噪声环境下语音识别技术的国内外研究现状
• 1.3 本文工作与内容安排
• 第二章 噪声环境下基于模型补偿的语音识别系统
• 2.1 语音识别中的 HMM 模型
• 2.1.1 隐马尔科夫模型
• 2.1.2 HMM 的三个基本问题
• 2.1.3 HMM 基本算法
• 2.1.4 基于 HMM 的语音识别原理
• 2.2 HTK（HMM TOOLS KIT）原理
• 2.3 语音信号的特征参数提取
• 2.4 PMC（并行模型组合）方法
• 2.5 VTS（矢量泰勒级数）方法
• 2.6 本章小结
• 第三章 麦克风阵列语音增强技术
• 3.1 阵列信号系统模型
• 3.1.1 声源模型
• 3.1.2 麦克风阵列信号模型
• 3.2 语音特性和噪声及噪声场
• 3.2.1 语音信号的特性
• 3.2.2 噪声特性
• 3.2.3 噪声场
• 3.3 基于麦克风阵列的语音增强算法
• 3.3.1 窄带处理
• 3.3.2 宽带处理
• 3.4 本章小结
• 第四章 基于麦克风阵列模型补偿的语音识别算法
• 4.1 基于麦克风阵列模型补偿的语音识别算法
• 4.1.1 MVDR 准则
• 4.1.2 基于 MVDR 准则的宽带 ISM 波束形成算法
• 4.1.3 LOG-ADD 模型补偿算法
• 4.2 实验仿真结果
• 4.2.1 仿真环境
• 4.2.2 仿真结果分析
• 4.3 本章小结
• 结论
• 一、论文工作总结
• 二、下一步工作展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附件