论文部分内容阅读
人耳具有良好的抗噪识别能力,.因此在语音识别中更多的研究者致力于研究人耳听觉特性,建立更符合人耳听觉特性的语音特征参数模型。听觉特征能更好地提高语音识别结果,并增强系统的噪声鲁棒性。本文实现了一个新的听觉特征—耳蜗滤波器倒谱系数(Cochlear Filter Cepstral Coefficients, CFCC)。CFCC特征在模拟人耳基底膜响应的基础上通过小波变换实现了声音从外耳到基底膜传输的全部过程,此过程称为听觉变换。毛细胞函数将听觉变换后的语音信号转换为神经脉冲能量信号,由于不同频率信号引起神经脉冲的不同,毛细胞窗采用不同的窗长对该信号进行分析,所得信号经非线性响度变换将能量信息转变为感知响度,最后经过离散余弦变换(Discrete Cosine Transform, DCT)即得CFCC听觉特征。文章介绍了耳蜗滤波器的选择,毛细胞窗口函数,非线性响度变换,以及DCT五部分内容。与传统的傅里叶变换相比,听觉变换的谱平滑度好且谐波失真少。此外,傅里叶变换本质上只能处理平稳信号,通过固定窗长将非平稳语音信号分为多个短时平稳信号近似处理,从而造成了不同的频率信号只能用一种分辨率进行分析。但是听觉变换具有处理非平稳语音信号的优点,可以实现低频信号采用长时间窗分析,高频信号采用短时间窗,因此避免了使用长时间窗分析引起的将高频信息丢失的问题。本文分别采用18通道Gammatone滤波器倒谱特征和CFCC特征进行实验仿真,结果证明CFCC特征性能优于前者。听觉变换存在正反变换对,可以保证正变换之后的信息完整。本文进一步将CFCC特征与传统听觉特征MFCC(Mel-frequency Cepstral Coefficients)和RASTA-PLP(RelativeSpectral Perceptual Linear Predictive Coefficients)作对比,实验表明传统特征在纯净语音环境下识别率较高,但在噪声环境下识别率下降明显,而CFCC特征识别率高于传统特征,且噪声鲁棒性好。此外,本文分别采用Bark尺度和ERB尺度作为频率划分准则来提取CFCC特征,实验结果表明,两种划分标准下的CFCC特征具有良好的识别结果,且ERB尺度下结果更好。说明CFCC对频率分布划分适应性很好。最后多通道ERB尺度下的实验结果表明,随着通道数增多,识别率略有提高,但系统稳定性下降。