基于组合去噪方法的语音识别抗噪技术研究

论文摘要

随着科学的发展和计算机的普及,人们对与计算机的交流方式提出了更高的要求,这促进了语音识别技术的发展,并使之成为语音处理领域中的一个重要研究方向。目前,在实验室环境下,语音识别系统的识别率已经达到了很高的水平,也有一些产品出现,但是由于受现实环境噪声的影响,系统的识别率大幅度下降。因此,噪声是语音识别技术广泛实用化的最大障碍,对噪声环境下语音识别系统的研究也就变得尤为重要。目前的抗噪声技术主要分为三类:语音增强法、提取抗噪语音特征法和模型补偿法。由于环境噪声的种类和干扰程度的不同,通常难以使用一种单一的方法来获得令人满意的性能。随着抗噪声语音识别技术的发展,如何在实际的语音识别系统中将以上的技术合理地结合起来,使语音识别系统在不同的噪声环境中均能达到较高的性能,是抗噪声语音识别研究的一个重要方向。另外,近年来一些新的技术中采用了一些与其他领域的理论技术相结合的办法来提高性能。小波变换是八十年代末发展起来的一种新的时频分析方法,它在时、频两域都具有良好的局部化特性;并且在信号去噪领域获得了广泛的应用。本文详细研究了小波变换理论,分析了小波变换的特点,比较了几种常用小波去噪方法,重点研究了阈值去噪法。在此基础上,本文结合两种抗噪技术:语音增强技术与提取抗噪语音特征技术,并引入小波变换技术,提出了一种基于小波变换的组合去噪方法。该方法的基本原理是:含噪语音信号首先经过采用小波去噪方法中的阈值去噪法进行语音增强,实现了语音识别过程中的第一次去噪;语音特征参数提取阶段采用了基于小波变换的特征提取技术,实现了语音识别过程的第二次去噪。本文采用了仿真实验的方式,对比了该去噪方法与传统的去噪方法的去噪效果,通过分析得出的结果,证明了该去噪方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 语音识别概述
• 1.1.1 语音识别的意义
• 1.1.2 语音识别系统的分类
• 1.1.3 语音识别的发展历史及研究现状
• 1.2 抗噪声语音识别概述
• 1.3 本文的结构安排
• 第二章 语音识别系统的基本原理
• 2.1 语音识别系统基本框架
• 2.2 语音识别系统的预处理技术
• 2.2.1 滤波和模数变换
• 2.2.2 预加重
• 2.2.3 语音信号的分帧和加窗
• 2.2.4 语音信号的端点检测
• 2.3 语音识别的特征提取技术
• 2.3.1 线性预测系数（LPC）
• 2.3.2 线性预测倒谱系数（LPCC）
• 2.3.3 Mel 频率倒谱系数（MFCC）
• 2.4 语音识别的模板训练方法
• 2.5 语音识别的模板匹配方法
• 2.5.1 动态时间规整（DTW）
• 2.5.2 隐马尔可夫模型（HMM）
• 2.6 本章小节
• 第三章 语音识别系统的抗噪声技术
• 3.1 噪声分类
• 3.1.1 加性噪声与乘性噪声
• 3.1.2 平稳噪声、缓变噪声与冲激噪声
• 3.1.3 全频带噪声和窄带噪声
• 3.2 噪声对语音识别的影响
• 3.3 各种抗噪声语音识别技术
• 3.3.1 语音增强
• 3.3.2 抗噪声的语音特征
• 3.3.3 噪声环境的模型补偿
• 3.4 本章小节
• 第四章 基于小波变换的组合去噪技术
• 4.1 语音信号处理中的小波技术
• 4.1.1 小波变换
• 4.1.2 离散二进小波变换
• 4.1.3 多分辨率分析
• 4.1.4 小波变换的局部化性质
• 4.1.5 几种常用小波函数
• 4.2 基于小波变换的组合去噪技术
• 4.2.1 基于小波变换的语音增强技术
• 4.2.2 基于小波变换的语音特征提取技术
• 4.3 本章小节
• 第五章 仿真实验及结果分析
• 5.1 抗噪声的语音识别系统模型
• 5.1.1 预处理
• 5.1.2 基于小波阈值去噪法的语音增强
• 5.1.3 端点检测
• 5.1.4 基于离散小波变换的MFCC 特征参数提取
• 5.1.5 HMM 模型
• 5.2 仿真实验
• 5.2.1 仿真环境介绍
• 5.2.2 基于小波变换的语音增强实验及结果分析
• 5.2.3 基于小波变换的语音特征提取实验及结果分析
• 5.2.4 基于小波变换的组合去噪方法识别实验及结果分析
• 5.3 本章小节
• 第六章 结论与展望
• 6.1 课题总结
• 6.2 工作展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果