针对噪声的鲁棒性语音识别

• 作 者: 韩润强
• 机 构: 北京大学
• 出 处: 北京大学
• 发表日期: 2006年期
• 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

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。
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。
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﹪。
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。