基于Missing Data的抗噪声语音识别
让机器能够理解人类所讲语言的内容,这是人类一直努力追求实现的一个梦想。随着隐马尔可夫模型(HMM)的应用,计算机已可以很好地识别安静环境中的语音。但是,一旦出现噪音识别率将明显地下降,噪音很严重时计算机甚至不能识别出任何内容。显然这与人们追求的目标相去甚远,因此不断有抗噪声的语音识别算法被提出。
本文就是针对一种普遍适用于各种噪声环境的识别算法MissingData技术提出了改进的方法,根据语音单元能量大小不同,运用不同的方法来判断它们受噪声污染的程度,然后再将受噪声污染较轻的语音单元信息输入到识别系统进行识别。实验表明此方法能够提高识别率。
抗噪声语音识别算法;隐马尔可夫模型;语音识别系统;语音单元信息
南开大学
硕士
模式识别与智能系统
张波
2005
中文
TN912.34;O211.62
51
2006-06-13(万方平台首次上网日期,不代表论文的发表时间)