杭州电子科技大学学报
杭州電子科技大學學報
항주전자과기대학학보
JOURNAL OF HANGZHOU DIANZI UNIVERSITY
2007年
3期
17-20
,共4页
语音识别%小波调制尺度%隐马尔可夫/自组织神经网络
語音識彆%小波調製呎度%隱馬爾可伕/自組織神經網絡
어음식별%소파조제척도%은마이가부/자조직신경망락
对于含噪语音信号的有效特征提取是语音识别至关重要的一步.该文提出了利用小波调制尺度对语音进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,可进一步反映语音信号的动态特性、增强抗干扰能力和提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显的提高.
對于含譟語音信號的有效特徵提取是語音識彆至關重要的一步.該文提齣瞭利用小波調製呎度對語音進行特徵提取,結閤隱馬爾可伕和人工神經網絡混閤模型進行識彆的方法,可進一步反映語音信號的動態特性、增彊抗榦擾能力和提高識彆率.實驗證明,該模型適閤于對譟聲揹景下的語音進行識彆,同傳統的HMM模型相比,具有更好的抗譟魯棒性,在信譟比較低情況下,識彆率比傳統的HMM模型有明顯的提高.
대우함조어음신호적유효특정제취시어음식별지관중요적일보.해문제출료이용소파조제척도대어음진행특정제취,결합은마이가부화인공신경망락혼합모형진행식별적방법,가진일보반영어음신호적동태특성、증강항간우능력화제고식별솔.실험증명,해모형괄합우대조성배경하적어음진행식별,동전통적HMM모형상비,구유경호적항조로봉성,재신조비교저정황하,식별솔비전통적HMM모형유명현적제고.