检索结果-内蒙古大学图书馆

中文信息学报 2010年第5期24卷 106-116页

作者：肖云鹏叶卫平北京师范大学信息科学与技术学院北京100875

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,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的... 详细信息

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,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。

关键词：鲁棒语音识别倒谱均值归一化高阶倒谱矩归一化直方图均衡化倒谱形状归一化

来源：评论

学校读者我要写书评

暂无评论

基于说话人语音特征归一化的语音识别研究

引用

电信技术研究 2008年第4期 27-32页

作者：钱洪伟贺苏宁

说话人语音特征归一化是在语音识别的参数提取阶段针对说话人的语音特性的差异或者背景环境的影响进行归一化的一种自适应技术。本文主要通过实验研究两种主要的说话人语音特征归一化技术：声道长度归一化和倒谱均值归一化，并讨论在连... 详细信息

说话人语音特征归一化是在语音识别的参数提取阶段针对说话人的语音特性的差异或者背景环境的影响进行归一化的一种自适应技术。本文主要通过实验研究两种主要的说话人语音特征归一化技术：声道长度归一化和倒谱均值归一化，并讨论在连续语音识别中的应用方法。实验数据说明，采用这类技术后能够显著地降低词错误率。

关键词：语音识别声道长度归一化倒谱均值归一化

来源：评论

学校读者我要写书评

暂无评论

基于语音增强失真补偿的抗噪声语音识别技术

引用

中文信息学报 2004年第5期18卷 64-69页

作者：丁沛曹志刚清华大学电子工程系微波与数字通信国家重点实验室北京100084

本文提出了一种基于语音增强失真补偿的抗噪声语音识别算法。在前端 ,语音增强有效地抑制背景噪声 ;语音增强带来的频谱失真和剩余噪声是对语音识别不利的因素 ,其影响将通过识别阶段的并行模型合并或特征提取阶段的倒谱均值归一化得到... 详细信息

本文提出了一种基于语音增强失真补偿的抗噪声语音识别算法。在前端 ,语音增强有效地抑制背景噪声 ;语音增强带来的频谱失真和剩余噪声是对语音识别不利的因素 ,其影响将通过识别阶段的并行模型合并或特征提取阶段的倒谱均值归一化得到补偿。实验结果表明 ,此算法能够在非常宽的信噪比范围内显著的提高语音识别系统在噪声环境下的识别精度 ,在低信噪比情况下的效果尤其明显 ,如对 - 5dB的白噪声 ,相对于基线识别器 ,该算法可使误识率下降 6 7 4 %

关键词：计算机应用中文信息处理语音增强倒谱均值归一化并行模型合并语音识别

来源：评论

学校读者我要写书评

暂无评论

基于CMN和PMC算法的语音增强失真补偿方法研究

引用

微电子学与计算机 2011年第6期28卷 160-162,167页

作者：苗玉杰刘雪飞张晓敏中国环境管理干部学院河北秦皇岛066004 秦皇岛职业技术学院河北秦皇岛066004

语音增强技术在低信噪比情况下,由于语音增强带来的失真使得系统的识别性能严重下降.因此提出一种结合特征空间的倒谱均值归一化算法(CMN)和模型空间的并行模型合并算法(PMC)的语音增强失真补偿技术.实验结果表明,该方法有效提高了低信... 详细信息

语音增强技术在低信噪比情况下,由于语音增强带来的失真使得系统的识别性能严重下降.因此提出一种结合特征空间的倒谱均值归一化算法(CMN)和模型空间的并行模型合并算法(PMC)的语音增强失真补偿技术.实验结果表明,该方法有效提高了低信噪比情况下的语音信号识别率.

关键词：语音增强倒谱均值归一化并行模型合并

来源：评论

学校读者我要写书评

暂无评论

快速提升小波语音特征参数提取方法的研究

快速提升小波语音特征参数提取方法的研究

引用

作者：欧瑞清深圳大学

学位级别：硕士

手持计算机类产品的研究和开发已日益引起计算机产业界的重视。为这类产品开发语音识别系统关键在于有效的提取语音特征参数。所提取的语音特征参数需要克服设备CPU运算速度慢，内存容量少，录音硬件质量差的弱点，而开发鲁棒性强的语... 详细信息

手持计算机类产品的研究和开发已日益引起计算机产业界的重视。为这类产品开发语音识别系统关键在于有效的提取语音特征参数。所提取的语音特征参数需要克服设备CPU运算速度慢，内存容量少，录音硬件质量差的弱点，而开发鲁棒性强的语音特征参数是语音识别技术走向实用的关键所在。\n 本文采用离散小波变换和美尔倒谱系数提取方法，对原有特征参数提取方法进行了改进。常用的线性预测特征参数或美倒谱特征参数提取方法，因其运算量大，所需辅助内存巨大，对噪声的耐噪性弱等问题，不能直接在手持计算机类设备上使用。而迅速发展的小波分析方法，在时域(空域)和频率域都有良好的局部化性质，而且由于对高频成分采用逐级精细的时域 (空域)取样步长，从而可以聚焦到信号的任意细节，非常适用于对语音信号进行处理。这一提取方法在仿真实验中取得了一定的效果，但在信噪比比较低的情况下，绝对识别率还不太理想。另一方面，这提出的特征参数提取方法，需要大量的辅助内存。\n 为了寻找运算速度更快，减少使用辅助内存的要求，本文研究了基于提升格式的小波变换理论，根据提升格式构造传统小波的方法，推导了三种小波的提升格式。最后，采用提升格式的小波与倒谱均值归一化方法，提出了基于提升小波的语音特征参数提取方法。这一方法，跟第一种采用小波变换的方法相比有加快计算速度，减少辅助内存使用，很容易在计算机上编程实现的优点。实验表明，这一特征参数具有较强的鲁棒性的，满足了手持计算机类产品上的硬件限制的要求，具有一定的实用价值。

关键词：快速提升小波语音识别语音特征参数倒谱均值归一化美倒谱系数

来源：评论

学校读者我要写书评

暂无评论

针对噪声的鲁棒性语音识别

针对噪声的鲁棒性语音识别

引用

作者：韩润强北京大学

学位级别：硕士

语音识别系统的抗噪声性能是影响系统实际应用效果的关键因素之一。本文针对这一问题，包括识别系统对卷积噪声及加性噪声的鲁棒性展开研究，具体工作集中在语音增强、特征后处理以及抗噪声模型训练这三个方面。\n 在语音增强方面，... 详细信息

语音识别系统的抗噪声性能是影响系统实际应用效果的关键因素之一。本文针对这一问题，包括识别系统对卷积噪声及加性噪声的鲁棒性展开研究，具体工作集中在语音增强、特征后处理以及抗噪声模型训练这三个方面。\n 在语音增强方面，文中首先分析了传统方法中增强优化过程所存在的问题，即以短时谱误差为优化对象，进行干净语音谱的估计。然而，语音识别所使用的特征，并非幅度谱，而是美标度倒谱系数。基于此，本文提出将各种估计优化准则，包括最大似然、最小均方误差等运用在美标度能量谱上。实验结果表明，基于这种优化准则的增强方法在抗加性噪声方面性能较传统方法具有更强的鲁棒性。\n 在特征后处理方面，本文实现了特征的直方图均衡方法，并与倒谱均值归一化方法进行了比较。分析表明，直方图均衡方法通过将特征分布非线性映射到标准高斯分布上，不仅能够去除卷积噪声，而且有利于降低加性噪声的影响。通过汉语连续语音识别评测，其性能明显优于倒谱均值归一化方法，相对错误率下降近20％。\n 在模型训练方面，文中采取了对训练语料进行加噪及去噪处理的方法，使训练模型与经去噪处理的待识别语音最大程度匹配。这种方法结合上述语音增强与特征后处理方法，使识别系统的性能进一步得到提高。

关键词：语音识别鲁棒性语音增强美标度能量倒谱均值归一化直方图均衡抗噪声性能

来源：评论

学校读者我要写书评

暂无评论

汉语连续语音识别中自适应技术的研究

汉语连续语音识别中自适应技术的研究

引用

作者：欧嘉致复旦大学

学位级别：硕士

该论文回顾了汉语连续语音识别的基础知识,包括隐含马尔可夫模型、语音特征参数的提取、声学模型、语言模型、识别过程和汉语的声学特点.自适应技术从实现方法上可分为基于特征向量转换和基于模型参数转两大类.例谱均值归一化是一种简... 详细信息

该论文回顾了汉语连续语音识别的基础知识,包括隐含马尔可夫模型、语音特征参数的提取、声学模型、语言模型、识别过程和汉语的声学特点.自适应技术从实现方法上可分为基于特征向量转换和基于模型参数转两大类.例谱均值归一化是一种简单有效的基于特征向量转换的方法,基于模型参数转换的方法最流行的是最大后验概率算法和最大似然线性回归技术.该文对以上的算法进行了详细的介绍.在实验中我们建立了汉语的关键词识别系统和汉语的大词汇表连续语音识别系统.该文还研究了撰写方式的说话人自适应,提出了多遍处理的自适应方法;置信度评估则分两步：先用较为简单的方法排除一部分错误识别结果,再用基于N-Best的评分方法挑出置信度最高的结果,新的方法相对非特定说话人的模型和参考模型都有明显改进.

关键词：环境自适应说话人自适应倒谱均值归一化最大后验概率算法最大似然线性回归汉语关键词识别汉语大词汇表连续语音识别

来源：评论

学校读者我要写书评

暂无评论

基于快速提升小波变换的语音特征提取方法

引用

计算机辅助工程 2006年第3期15卷 102-105页

作者：欧瑞清徐晨卢少平宋广为深圳大学智能计算科学研究所广东深圳518060 深圳大学经济学院广东深圳518060 深圳大学信息与系统管理系广东深圳518060

为提高语音识别系统对环境噪声的鲁棒性,在快速提升小波的基础上,结合感知频域上的滤波与倒谱均值归一化技术,提出一种语音特征参数提取方法.仿真实验表明,与传统方法相比,噪声鲁棒性显著提高;在语音信号的信噪比相近情况下,与传统小波... 详细信息

为提高语音识别系统对环境噪声的鲁棒性,在快速提升小波的基础上,结合感知频域上的滤波与倒谱均值归一化技术,提出一种语音特征参数提取方法.仿真实验表明,与传统方法相比,噪声鲁棒性显著提高;在语音信号的信噪比相近情况下,与传统小波方法相比,该方法计算简便、易于编程、计算速度快.

关键词：快速提升小波语音识别倒谱均值归一化美尔倒谱

来源：评论

学校读者我要写书评

暂无评论

基于语音增强失真补偿的抗噪声语音识别技术

基于语音增强失真补偿的抗噪声语音识别技术

引用

第七届全国人机语音通讯学术会议（NCMMSC7）

作者：丁沛曹志刚清华大学电子工程系微波与数字通信国家重点实验室清华大学电子工程系微波与数字通信国家重点实验室

为了提高基于隐含马尔可夫模型的语音识别系统在噪声环境中的稳健性,本文研究了一种基于语音增强失真补偿的抗噪声语音识别算法。在前端,语音增强有效地抑制背景噪声,从而提高了输入信号的信噪比。语音增强带来的频谱失真和剩余噪声是... 详细信息

为了提高基于隐含马尔可夫模型的语音识别系统在噪声环境中的稳健性,本文研究了一种基于语音增强失真补偿的抗噪声语音识别算法。在前端,语音增强有效地抑制背景噪声,从而提高了输入信号的信噪比。语音增强带来的频谱失真和剩余噪声是对语音识别不利的因素,其影响将通过识别阶段的并行模型合并或特征提取阶段的倒谱均值归一化得到补偿。实验结果表明,此算法能够在非常宽的信噪比范围内显著的提高语音识别系统在噪声环境下的识别精度,而且对系统性能的改善在低信噪比情况下尤其明显,如对-5dB的白噪声,相对于基线识别器,该算法可以使误识率下降67.4%。

关键词：失真补偿噪声环境含噪语音倒谱均值归一化抗噪声

来源：评论

学校读者我要写书评

暂无评论

一种结合CMN和PMC算法的语音增强失真补偿技术

一种结合CMN和PMC算法的语音增强失真补偿技术

引用

第五届全国信息获取与处理学术会议

作者：刘雪飞赵玉全武智瑛贾勤中国环境管理干部学院秦皇岛066004

语音增强技术在低信噪比情况下，由于语音增强带来的失真使得系统的识别性能严重下降.本文提出一种结合特征空间的倒谱均值归一化算法(CMN)和模型空间的并行模型合并算法(PMC)的语音增强失真补偿技术.实验结果表明，该方法有效提高了低... 详细信息

语音增强技术在低信噪比情况下，由于语音增强带来的失真使得系统的识别性能严重下降.本文提出一种结合特征空间的倒谱均值归一化算法(CMN)和模型空间的并行模型合并算法(PMC)的语音增强失真补偿技术.实验结果表明，该方法有效提高了低信噪比情况下的语音信号识别率。

关键词：语音识别倒谱均值归一化并行模型合并语音增强失真补偿

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：