基于可靠频带的并行模型补偿方法研究
随着计算机技术和信息技术的持续发展，语音交互已经成为人机交互的重要手段。语音技术特别是语音识别技术的高速发展，让语音识别由实验室走向了实际地应用。随着语音识别技术应用地逐渐深入，新的问题也不断地涌现出来，特别是在现实环境识别时的噪声问题，严重地影响了语音识别系统的识别率。并行模型补偿算法(PMC)是由英国剑桥大学的M.J.F.Gales首先提出的一种针对噪声环境下语音识别的一种模型级的补偿方法。PMC算法使用干净的语音进行语音模型的训练，在识别的时候，利用说话人说话时的停顿，动态的采集环境中的噪声，训练下一时段的语音模型。PMC算法的优点是动态的采集了说话人说话时的环境噪声，将噪声信息充分包含到语音模型之中，从而提高了识别系统的鲁棒性。
由于PMC算法没有完全考虑噪声对语音的破坏程度，完全使用所有频带进行语音识别。本文在PMC算法的基础上引入了可靠信息的思想，在使用PMC算法之前对语音进行分频(分流)，根据环境中信噪比的不同，给不同的流赋予不同的权值，在某些特定的噪声环境下提高了系统的识别率。
并行模型补偿;语音识别技术;隐马尔可夫模型;美尔倒谱系数;可靠频带
南开大学
硕士
模式识别与智能系统
张波
2005
中文
TN912.3;TN912.34
55
2006-06-13（万方平台首次上网日期，不代表论文的发表时间）