改进的ZCPA语音识别特征提取算法研究

论文题目: 改进的ZCPA语音识别特征提取算法研究

论文类型: 硕士论文

论文专业: 信号与信息处理

作者: 焦志平

导师: 张雪英

关键词: 语音识别,特征提取,小波变换,听觉模型

文献来源: 太原理工大学

发表年度: 2005

论文摘要: 目前大多数语音识别系统在静音环境下具有较高的识别率,但在噪声环境下,系统的性能会严重下降,为了使语音识别系统实用化,抗噪语音识别研究具有重要意义。人耳具有很强的识别能力,即使在噪声环境下也如此。因此研究人耳的听觉特性,进行语音特征参数的提取,有利于提高系统的鲁棒性。本文围绕抗噪语音识别这个中心,完成了以下研究工作。首先实现了具有过零峰值幅度(ZCPA:Zero-crossing with Peak Amplitude)特征的语音识别系统,它是基于人耳的听觉模型建立起来的。该模型通过分析和计算语音信号相邻上升过零点间的间隔,并将之分配到对应的频率箱,以此反映信号的频率信息;再通过检测相邻上升过零点间的峰值幅度并进行非线性压缩,对频率箱幅度进行加权。论文分析了该系统的抗噪性能,通过实验证明了这种系统的抗噪性能优于常用的由LPCC,MFCC作为识别特征的系统性能。接着,论文以上述系统为基础,提出了改进ZCPA特征,

论文目录:

第一章绪论

1．1 语音识别概述

1．1．1 语音识别及其应用

1．1．2 语音识别的发展过程及现状

1．1．3 目前语音识别面临的困难

1．2 本课题的研究背景

1．3 本文所做的工作和文章的安排

第二章听觉特性及小波应用简介

2．1 听觉特性简介

2．1．1 听觉系统

2．1．2 耳蜗的信号处理机制

2．1．3 听觉的感受性及掩蔽效应

2．1．4 临界带宽与频率群

2．2 听觉模型研究概述

2．3 小波及其在语音信号处理中的应用简介

2．3．1 小波介绍

2．3．2 小波的发展

2．3．3 小波在语音信号处理中的应用

第三章基于ZCPA特征的语音识别系统

3．1 语音识别系统概述

3．1．1 预处理

3．1．2 特征提取

3．1．3 模式匹配

3．2 ZCPA特征提取的原理介绍

3．2．1 ZCPA特征提取的原理框图

3．2．2 ZCPA中滤波器组的设计

3．2．3 过零检测

3．2．4 强度信息的提取和频率的合成

3．2．5 时间规整和幅度规整

3．3 ZCPA特征的抗噪性能分析

3．3．1 噪声对振幅的影响

3．3．2 噪声对频率的影响

3．4 ZCPA的实验结果及结论

3．4．1 实验参数设置

3．4．2 使用BP算法的识别结果

3．4．3 使用 HMM的识别结果

3．5 ZCPA特征的改进

3．5．1 组合差分信息的ZCPA特征提取原理

3．5．2 实验结果和结论

第四章 Bark小波及其在语音识别中的应用

4．1 引言

4．2 小波及小波变换

4．2．1 小波的定义

4．2．2 连续小波变换

4．2．3 傅立叶变换和小波变换

4．2．4 小波的多分辨率分解

4．3 Bark小波及其变换的引入

4．3．1 Bark小波的引入

4．3．2 Bark小波及其变换

4．3．3 Bark小波的分析

4．4 基于 Bark小波的语音识别

4．4．1 Bark小波滤波器与 FIR滤波器的比较

4．4．2 Bark小波滤波器的设计

4．4．3 Bark小波变换实现滤波的具体流程

4．4．4 Bark小波用于识别系统的实验结果

4．4．5 Bark小波滤波器和 CZCPA的结合实验

第五章总结与展望

5．1 本文总结

5．2 系统的局限性及展望

结束语

参考文献

致谢

攻读研究生期间发表的论文

发布时间: 2005-11-14

参考文献

[1].基于ZCPA特征参数的口令识别系统[D]. 张晓辉.中国科学技术大学2010
[2].抗噪语音识别特征提取算法的研究[D]. 梁五洲.太原理工大学2006
[3].噪声环境下语音特征提取前端处理及优化帧算法研究[D]. 孙颖.太原理工大学2007
[4].嵌入式语音识别系统的研究与实现[D]. 孙延冰.贵州大学2009
[5].面向货物分拣的地名语音识别系统[D]. 董万里.华南理工大学2017
[6].嵌入式语音识别系统的设计与实现[D]. 斯芸芸.重庆大学2012
[7].小波变换在语音识别系统的研究与实现[D]. 肖翠萍.吉林大学2004
[8].基于单片机的语音识别系统研究[D]. 魏玮.中南大学2010
[9].智能护理床语音识别系统的设计[D]. 王蓓.南昌大学2013
[10].基于FPGA的语音识别系统的设计与实现[D]. 陈芝牟.电子科技大学2012

改进的ZCPA语音识别特征提取算法研究

猜你喜欢