噪声环境下的语音识别是国内外一个重要的研究课题,具有重要的理论和实际意义。由于训练环境与识别环境的不匹配,现有的语音识别系统在噪声环境下的识别性能下降十分严重,因而还不能实现真正的商业化。 本文从语音模型入手,讨论了新的抗噪语音识别方法。通过分析噪声对语音识别性能的影响,提出了两种新的抗噪语音识别方法,即动态时间规整(DTW)利学习矢量量化(LVQ)相结合的识别方法以及基于隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的语音识别方法。其中第一种方法具有训练和识别过程简单的优点,对信噪比为10dB的情况下识别率从26%提高到50%。第二种方法则通过结合HMM的时间建模能力利WNN的分类决策能力,在不影响纯净语音识别率的情况下,比第一种方法具有更高的识别率,对信噪比为10dB的情况下识别率为66%,这种方法在低信噪比的情况下识别率提高尤为明显。 此外,本文还提出一种基于语音增强技术的语音识别方法,即通过对带噪的原始语音进行语音增强,提高源信号的信噪比,从而提高语音识别系统的识别率。本文使用谱相减利小波消嶸两种语音增强方法,可以将带噪语音的信噪比至少提高50%,信噪比为10dB时的识别率提高到80%。实验证明,这种方法对抗噪语音识别具有良好的效果。