论文部分内容阅读
由于训练环境与识别环境的不匹配,现有语音识别系统在噪声环境下的识别性能下降十分严重。因此,含噪语音信号识别是关系语音识别能否走向完全实用化的关键环节,也是目前国内外语音识别的研究热点和难点。本文采用经验模态分解(EMD)方法对含噪语音信号进行了去噪声处理,采用白适应粒子群算法的BP神经网络以及自适应函数链神经网络对含噪语音进行识别,具体研究工作如下:
(1)基于含噪语音信号特性,给出了一种基于EMD方法的含噪语音处理算法。仿真结果表明,经过此算法处理的语音信号信噪比提高了7.88dB左右,去噪效果十分明显;
(2)提取经去噪声处理后的汉语数字语音的Mel频率倒谱系数,采用基于自适应粒子群算法的BP神经网络语音识别方法,较好地实现了特定人数字语音信号识别。
(3)根据加权倒谱距离测度,并结合所提出的自适应函数链神经网络学习算法构造了一种用于非特定人语音识别的函数链神经网络。仿真结果表明,该方法不但大大缩短了网络的学习时间,而且使得该网络具有较高的正确识别率。