论文部分内容阅读
随着计算机技术和人工智能的快速发展,人与机器的信息交互需求不断提升,语音识别成为当今信息技术领域重要的应用技术。近年来,虽然语音识别系统的性能不断提高,但是实际应用场景普遍存在噪声,噪声会严重影响语音识别系统的性能。语音分离的目标是将说话人的语音从背景干扰中分离,是语音识别不可缺少的前端处理,具有重要的研究意义。本文基于“面向复杂环境的语音分离/识别技术”的课题设计研究目标,期望通过连续语音识别优化语音分离技术,提高复杂环境下的语音信息获取能力。本文的主要工作与创新点为:(1)汉语连续语音识别的实现。为获取语音分离所需的语音信号特征参数,本文将传统语音识别的过程拆分为语音切分和语音识别。本文分析了语音信号的时域、频域、倒谱域特征,研究了基于基音周期轨迹的浊音切分,结合端点检测技术与频带能量法实现了清音切分,随后根据汉语音节特征进行清音和浊音的组合,最终实现了汉语连续语音切分算法。该算法不依赖于模型,不仅能完成音节边界的界定,还可以获取语音分离所需的先验信息,相比同类算法性能较好。在此基础上,本文实现了基于VGG-16的声学模型和基于N元文法的语言模型,最终实现了汉语连续语音识别。(2)CASA语音分离的实现。本文利用连续语音切分算法获取基音周期轨迹与音节边界,通过计算基频与谐波,实现了基于CASA的单通道语音分离。该方法不依赖于模型,不需要获取语音和噪声的先验信息,理论上可应用于任何噪声环境。随后,本文进行了多种信噪分离方法的性能对比,结果表明CASA语音分离在非平稳噪声环境下具有较好的去噪声效果,并且证实了基于语音识别的清音重构算法对CASA语音分离的性能有着极好的提升。(3)CASA语音分离的优化。本文分析了CASA语音分离技术的难点与优化方案,探讨了基于语音识别的清音重构算法的不足。为实现分离语音的清音重构,使用分离语音训练声学模型,实验表明使用分离语音训练的声学模型在中低信噪比环境下具有更高的识别正确率。随后,使用分离语音的声学模型和语言模型优化清音重构算法,实验表明优化后的清音重构算法具有更好的噪声鲁棒性。(4)汉语语音识别及语音分离系统的设计与实现。整合本文较为成熟的研究成果,实现了一个能独立运行的系统,该系统可以完成语音切分、语音识别、语音分离等工作。测试表明,该系统运行稳定,工作正常。