小波去噪在语音识别预处理中的应用

论文摘要

随着信息技术的发展,语音识别技术在人类生活的各个领域得到了越来越广泛的应用。由于训练环境与识别环境的不匹配,以及实际环境的复杂性,现有的语音识别系统在噪声情况下的识别性能都会发生急剧下降,这也直接影响了语音识别技术的大范围推广[1]。因此,语音识别预处理过程中的去噪技术研究,具有重要的理论和现实意义。传统的语音去噪方法多是基于傅里叶变换来对信号进行噪声抑制,但由于傅里叶变换的时频单一性,这种方法对于非平稳信号及复杂噪声下的信号去噪效果会大大降低。小波变换是20世纪80年代后期逐渐发展起来的一门新兴学科,它具有良好的时频局部化性质,可以对信号进行时频空间上的细致分析和处理,因此利用小波变换对非平稳信号进行去噪处理可以取得良好的效果[2]。本文从小波分析的基本理论出发,对小波去噪的基本原理和常见方法进行了深入的研究,并重点就小波阈值去噪法中的几个关键环节如小波基的选择,分解层数的选择和阈值函数的选择等问题进行了分析和探讨。进而在此基础上结合现有阈值函数及语音识别系统对信号降噪的特殊要求,提出了一种改进的基于分解尺度的小波阈值去噪算法。最后对该算法进行了一系列仿真实验来验证其去噪效果,并介绍了其在一个在线语音识别及翻译系统中的应用情况,总结了该算法的一些优缺点和未来改进方向。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 引言
• 1.2 语音识别及其预处理
• 1.2.1 语音识别原理及系统组成
• 1.2.2 语音识别预处理和信号去噪
• 1.3 语音去噪的研究现状
• 1.4 论文主要内容与结构安排
• 第二章 小波分析的基本理论
• 2.1 傅里叶变换与短时傅里叶变换
• 2.1.1 傅里叶变换
• 2.1.2 短时傅里叶变换
• 2.2 小波变换
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 离散小波变换的Mallat 快速算法
• 2.3 常用小波基函数简介
• 2.4 本章小结
• 第三章 基于小波分析的语音信号去噪研究
• 3.1 小波去噪的基本原理
• 3.2 小波去噪的常见方法
• 3.2.1 模极大值去噪法
• 3.2.2 基于小波变换尺度间相关性去噪法
• 3.2.3 小波阈值去噪法
• 3.2.4 平移不变量法
• 3.3 小波阈值去噪方法研究
• 3.3.1 小波阈值去噪法的基本原理
• 3.3.2 小波基和分解层数的选择
• 3.3.3 阈值函数的选择
• 3.3.4 阈值选取规则研究
• 3.4 本章小结
• 第四章 一种基于分解尺度的改进阈值函数及其应用
• 4.1 软硬阈值函数及其改进方法分析
• 4.2 基于分解尺度的改进阈值函数
• 4.3 实验仿真
• 4.3.1 实验的基本思路
• 4.3.2 常见测试信号的去噪实验
• 4.3.3 语音信号去噪实验
• 4.3.4 改进函数在语音识别系统中的实际应用
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 主要结论
• 5.2 研究展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表或录用的论文