鲁棒语音识别相关论文
随着基于深度学习（Deep learning,DL）的语音识别技术在实际场景中的大规模应用,提升声学模型的鲁棒性（Robustness）至关重要。一个鲁棒......
语音识别技术的目标是将语音转换为文本,可以应用到翻译、教育、军事、医疗等领域来提高工作效能。本文主要研究基于深度学习的实......
语音识别中的特征丢失法通过丢弃语音频率特征中的被噪声严重影响的、不可靠的部分,只保留可靠的部分,从而达到鲁棒语音识别的目的......
语音识别在实验室环境中识别性能很高，但是走向实用化的过程中，由于语音本身的变异性以及外部噪声的影响，导致在环境变化时，语音识别系......
在实际应用中，由于测试环境与训练环境不匹配，语音识别系统的识别性能可能会急剧恶化。外部环境因素的影响和语音本身的变异性是导致......
该文从新特征挖掘、特征鲁棒处理、与识别基元集相关的特征选取三个方面研究适合鲁棒语言识别的声学特征提取与处理方法,主要的研......
语音交互是重要的自然人机交互方式之一,这种交互方式更加接近人与人之间的交互,在人们的生活、工作、学习、娱乐等领域应用越来越......
摘 要： 为提高语音识别系统在复杂声学场景下的识别率，出现了以单通道语音增强（Monaural Speech Enhancement）技术作为前端处理的鲁棒......
在噪声鲁棒语音识别研究中,并行模型结合方法因其能够满足非平稳噪声环境且理论上使模型接近背景环境匹配模型而成为语音识别噪声......
为了提高噪声环境下语音识别系统的鲁棒性,本文提出了一种基于迁移学习的声学建模方法。该方法用干净语音的声学模型(老师模型)指......
本文针对最大似然线性回归算法线性假设的缺点,将多项式回归方法用于模型自适应,构建了基于最大似然多项式回归的非线性模型自适应......
目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大......
针对实际环境中语音信号的时频分量普遍存在部分缺失或严重失真的问题，在已知语音先验知识的条件下，提出了一种利用可靠时频分量对缺......
模型补偿技术已成功应用到噪声环境下的语音识别任务中。流行的模型补偿技术如Log-Add和Log-Normal PMC（并行模型合并）方法对动态特......
矢量泰勒级数是一种有效的抗噪声鲁棒语音识别算法.然而在对数谱域,美尔滤波器组的不同通道之间有较强的相关性,因而难以从含噪语......
介于环境条件的变化以及噪声等因素的影响,识别系统的性能急剧下降的原因而出现的鲁棒性语音识别研究,其试图解决的就是如何在实际......
语音识别技术虽然经过多年的积累已经得到很大的发展，但是还存在诸多问题，特别是语音识别系统环境鲁棒性问题已经严重制约了语音识别......
为了提高噪声环境下语音识别系统的鲁棒性,提出了一种基于迁移学习的声学建模方法。该方法用干净语音的声学模型(老师模型)指导带......
自动语音识别系统在噪声环境下性能的下降是其实现广泛应用的一个重大障碍。本文在他人基于Gammatone滤波的GFCC特征与MFCC识别性......
针对噪声环境下的语音识别问题,对现有的噪声鲁棒语音识别技术进行讨论,阐述了噪声鲁棒语音识别研究的主要问题,并根据语音识别系......
随着科技的发展和计算机的普及,各种智能化产品开始逐渐深入人们的生活,如智能手机、智能家居等产品。智能市场的崛起,使得人们对......
传统抗噪算法无法解决人声背景下语音识别(Automatic speech recognition,ASR)系统的鲁棒性问题.本文提出了一种基于计算听觉场景......
鲁棒语音识别技术是语音识别系统从实验室理论走向实际应用的关键性技术之一,其研究的主要目的是解决训练环境与应用环境之间失配......
为了解决广播中背景音乐的提取、分离和鲁棒识别,考虑到广播语音中背景音乐的类型稳定性和说话人的不确定性,提出一种说话人无关背......
