搜索
噪声环境下的语音识别算法的研究与仿真作者：刘建辉学位授予单位：武汉理工大学参考文献(44条)1.庞雄昌语音识别及其定点DSP实现[学位论文]硕士20042.BennetlR.SyndalA.GreenspanSAppliedspeechtechnology19953.杨行峻.迟惠生语音信号数字处理20034.朱民雄.黄健群计算机语音技术20025.姚天任数字语音处理20026.ITU-TRecommendationG.729.GeneralAspectsOfDigitalTransmissionSystem.CodingOfSpeechAt8kbit/sUsingConjugate-structureAlgebraic-code-excitedLinear-prediction(CS-ACELP)7.周德俊.杨莉G.729语音压缩编码及其DSP实现[期刊论文]-通信技术2001(4)8.占井贞熙.朱家新.张国海.易武秀数字声音处理9.胡航语音信号处理200010.MHSavojiARobustAlgorithmforAccurateEndpointingofSpeech1989(02)11.RBhiksha.SRitaClassifier-basedNon-linearProjectionforAdaptiveEndpointingofContinuousSpeech2003(01)12.徐大为.吴边.赵建伟.刘重庆一种噪声环境下的实时语音端点检测算法[期刊论文]-计算机工程与应用2003(1)13.NTLay.FWSay.DSilvaSpeechEmotionRecognitionUsingHiddenMarkovModels2003(04)14.QLi.JSZheng.ATsaiRobustEndpointDetectionandEnergyNormalizationforReal-timeSpeechandSpeakerRecognition2002(03)15.朱淑琴.裘雪红一种精确检测语音端点的方法[期刊论文]-计算机仿真2005(3)16.MakhoulJ.GrayALinearPredictionofSpeech199617.WHShinSpeech/non-speechClassificationUsingMultipleFeaturesforRoustEndpointDetection200018.江太辉基于DTW算法的语音识别电话系统[期刊论文]-电声技术2005(8)19.RVergin.DO'Shanghnessy.VGuptaCompensatedMelFrequencyCepstrumCoefficients199620.万春基于DTW的孤立词语音识别研究和算法改进2002(06)21.KShingo.NMasaki.YSeiichiRobustSpeechDetectionMethodforTelephoneSpeechRecognitionSystem1999(02)22.CSHuang.HCWangBandwidth-adjustedLPCAnalysisforRobustSpeechRecognition2003(09)23.黄新宇.吴淑珍基于单边自相关线性预测噪声中汉语语音识别[期刊论文]-北京大学学报（自然科学版）2000(5)24.KLamia.MArnaudTowardsImprovingSpeechDetectionRobustnessforSpeechRecognitioninAdverseConditions2003(03)25.冯成林.吴淑珍一种噪声环境下的语音识别方法(线性预测误差法)的研究[期刊论文]-北京大学学报（自然科学版）2000(5)26.赵力语音信号处理200327.徐霄鹏.吴及.刘庆升.黄文浩孤立词语音识别算法性能研究与改进[期刊论文]-计算机工程与应用2001(21)28.O'ShaughnessyDouglasEfficientautomaticspeechrecognition200429.徐大为.吴边.赵建伟.刘重庆一种噪声环境下的实时语音端点检测算法[期刊论文]-计算机工程与应用2003(1)30.ZWWanda.OTokunboFormantandPitchDetectionUsingTime-frequencyDistribution1999(01)31.郑方非特定人连续数字识别方法与汉语语音数据库的研究[学位论文]硕士199232.杨大利.徐明星.吴文虎噪声环境下语音识别研究概述[会议论文]200133.LRabiner.BHJuangFundamentalsofSpeechRecognition199334.DupontStephane.CheboubLeilaFastspeakeradaptationofartificialneuralnetworksforautomaticspeechrecognition200035.李须真.李虎生.刘润生汉语数码语音识别算法在定点DSP上的实现200336.PGBaumATime-filteredWignerTransformationforUseinSignalAnalysis2002(06)37.RabinerL.JuangBHFundamentalofSpeechRecognition199338.YKHwe.WHChuanRobustFeaturesforSpeechRecognitionBasedonTemporalTrajectoryFilteringofShort-timeAutocorrelationSequences1999(01)39.徐静波.冉崇森语音线性预测技术新探[期刊论文]-计算机工程与科学2004(5)40.何强.何英MATLAB扩展编程200241.张春涛人耳听觉感知知识用于孤立数字语音识别[期刊论文]-北京邮电大学学报1997(3)42.HHermanskyPerceptualLinearPredictiveAnalysisofSpeech1990(04)43.JDChen.PKSatoshiCepstrumDerivedfromDifferentiatedPowerSpectrumforRobustSpeechRecognition2003(02)44.陈永彬.王仁华语音信号处理1990相似文献(10条)1.学位论文郭继云噪音环境中语音信号的端点检测和基于仿生模式识别的语音识别方法研究2004为了能有效地利用语言这种人类最自然、简便和有效的交流方式,研究者们希望机器能够自动地理解和识别人类的语音信号,并将其转变成相应的文本文件或命令,把人类从某些繁琐的操作中解脱出来,即实现语音的自动识别.由于语音识别具有辉煌的应用前景,它一直是近年来模式识别和人工智能等领域的研究热点.一个完整的语音识别系统就是对于输入的音频信号,首先判断其中是否包含语音信号,如果包含,就将语音段和非语音段区分开来(这一部分通常称作端点检测或语音分段),然后对语音段的信号进行特征提取,最后根据提取出来的特征矢量识别语音内容.论文首先就语音的端点检测和识别领域的历史发展和研究现状进行了回顾,对各种检测和识别算法的理论依据和具体实现方法做了较详细的介绍,并简单比较了各种方法的优劣所在.然后对语音的端点检测和识别两方面内容作了一些初步的分析和研究工作.目前安静环境中的孤立词语音识别技术已经相当成熟,语音识别领域研究的重点和难点主要集中在大词汇量连续语音识别和噪音环境中的语音识别两个方面.噪音环境中语音识别的最大困难在于如何将语音信号从背景噪声中提取出来,即语音信号的端点检测问题,在深入分析现有端点检测方法优缺点的基础上,该文提出了一种新的端点检测方法,这种方法直接利用人类语音的频带分布特点,用250-3500Hz频带内的能量和全频带范围内的能量之比,即频能比(FER),作为区分语音(主要是元音)和噪音信号的主要参数,然后使用过零率判断辅音信号的有无,从而确定语音信号的准确端点.实验证明,该方法可以快速准确地在噪音环境中将语音信号检测出来,是行之有效的,为实现噪音环境中语音信号的正确识别打下了良好的基础.另外,该文介绍了基于仿生模式识别的语音识别系统的原理及实现,并将它与现有的几种语音识别方法,包括:分段矢量量化(SVQ),动态时间弯折(DTW)和隐马尔可夫模型(HMM)三种,进行了比较,实验验证和分析了仿生模式识别和良好识别能力,重点讨论了在少量样本情况下仿生模式识别远远优于其它语音识别方法的原因.2.期刊论文张跃进.刘邦桂.谢昕.ZHANGYue-jin.LIUBang-gui.XIEXin噪声背景下语音识别中的端点检测-华东交通大学学报2007,24(5)整个实验系统主要研究的是语音识别中在噪声背景下的端点检测.在实际环境中,加性背景噪声对语音识别的影响非常大,在信噪比小的情况下,无法进行端点检测.在此研究过程中,首先进行加性噪声模型的建立,而后通过滤波对带噪语音信号进行预处理,这里采用维纳滤波和自适应LMS滤波进行滤波.在进行语音信号的预处理后,使用VAD算法进行端点检测.建立整个实验系统后,通过试验比较维纳滤波器和自适应LMS滤波器的优劣,找出最佳方案.3.学位论文陈鹏飞基于动态环境自适应端点检测的语音识别系统研究2009语音信号是人类传播信息和感情交流的重要媒体，是听觉器官对声音传媒介质的机械振动的感知，也是人类最重要、最有效、最常用、最方便的通信方式。语音信号处理是信息科学研究领域中目前发展最迅速的学科之一，其研究涉及众多前沿课题。端点检测是语音识别中的一项关键技术。现阶段的各种端点检测算法在信噪比较高时检测性能均较好，但随着信噪比的下降各算法性能都明显下降，且目前算法大多没有自我学习能力，在信号噪声发生大幅度变化时往往失效，无法适应充斥实际生活中室外各种复杂的噪声环境。本课题主要针对实际生活噪声环境下的孤立词语音识别，研究能够动态适应环境的语音识别系统。实际生活环境中的噪声往往以高斯白噪声为主，且环境经常变化。高斯混合模型（GMM）能够描述复杂的随机量，且具有很强学习能力，能够动态自适应随机量分布的变化。本文用高斯混合模型来描述环境中的背景噪声，并通过对高斯模型和噪声特性的分析，研究了基于高斯混合模型的端点检测算法，详细阐述了该算法流程。对语音识别其它模块的算法进行了研究，选择了相应的优化算法，包括语音增强、特征提取以及模板匹配模块，研究了各模块的设计方案。通过对语音识别系统各个模块的研究，最后组成了一套完整的能够动态自适应环境的语音识别系统并对系统识别性能进行了仿真实验。本系统主要针对复杂环境下的孤立词识别，在环境发生改变时能够进行自我学习更新，无需人为干预。但在环境噪声发生较大突变时学习速度有限，需要较长时间来适应突变后的噪声环境；另外系统整体的计算量较大，识别速度有限，在实时性方面仍有待改进。4.学位论文曾靓小语音库的语音识别及实现2009随着语音识别技术的深入研究和广泛应用，语音识别技术已基本成熟并逐渐应用于人们生活中的各个领域。本文对中小字表孤立词和连续词语音识别系统进行仿真，从而对提高正确分割率和识别率的算法进行探索。本文按照一个特定人语音识别系统的处理过程，从信号预处理（数字采样、预加重滤波、加窗分帧）开始，分别介绍了语音信号的基础知识、实用化模型、端点检测、特征参数提取、语音训练和识别方法，并对每个步骤可用的几种方法进行了对比分析。其中本文对传统的连续词端点检测分割算法，进行了改进，成功地提高了分割正确率。最终，根据所选参数和语音分割识别算法编制了一个特定人小词汇量语音识别软件。论文具体的研究工作为：第一，研究语音信号的预处理和特征参数提取。内容涉及了语音信号的数字化、加窗处理、预加重滤波、端点检测，及时域特征向量和变换域特征向量。第二，研究特定人孤立词和连续词分割识别算法，包括基于能量和过零率的端点检测以及分割算法，DTW识别法，HMM识别法以及神经网络识