10.3969/j.issn.1673-629X.2019.08.015
基于HMM的混响环境下语音识别研究
语音识别是实现人机交互的关键技术之一.当语音信号处于狭小环境时,源信号将与延迟衰减后的信号叠加在一起,从而引起混响,导致信号失真、降低了语音的清晰度.为提高语音识别系统的性能,提出一种使用卷积同态滤波器去混响的方法,并用隐马尔可夫模型对语音的时序进行建模.隐马尔可夫模型是一种广泛用于语音识别的、用于描述随机过程统计特性的概率模型,使用前向后向算法降低计算复杂度,使用Baum-Welch算法得到重估模型参数,使用Viterbi算法找到最优的语音识别结果.实验结果表明,在无噪声环境下,该模型在识别正常语音时具有较高的可靠性,实现了短词汇非特定人的语音识别,并能有效解决语音混响问题.相较于未处理的混响语音,识别正确率提高了4% ~5%,较好地实现了混响环境下的语音识别.
语音识别、混响、卷积同态滤波、隐马尔可夫模型
29
TP301(计算技术、计算机技术)
2018年度湖北省技术创新专项重大项目2018AAA063
2019-08-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
76-80