为了提高语音识别系统的鲁棒性,本文提出了一种特征参数规整的优化算法。整个算法由环境选择、MFCC差分扩展、均值方差规整(Mean and Variance Normal ization,MVN) 和RRMA滤波器平滑四个模块组成。首先我们对扩展和平滑这两个模块进行...
详细信息
为了提高语音识别系统的鲁棒性,本文提出了一种特征参数规整的优化算法。整个算法由环境选择、MFCC差分扩展、均值方差规整(Mean and Variance Normal ization,MVN) 和RRMA滤波器平滑四个模块组成。首先我们对扩展和平滑这两个模块进行了一系列的优化,然后再加入环境选择的思想进一步提高了性能。在Aurora2数据库上总识别率的相对提升达到了53.23%,要明显优于传统的各种参数规整方法, 并且和ETSI AFE标准前端的性能基本持平。
暂无评论