一种提高语音特征参数稳健性MLMCC算法的研究

语音特征参数的提取是语音识别的前提和基础,特别是在噪声环境中,如何寻找对噪声不敏感的语音特征即是目前研究的一个难点和重点。本文在对LPCC和MFCC两种参数深入分析的基础上,分析一种MLMCC特征参数提取方法,实验证明具有良好的抗噪能力。

基于改进的WMFCC在声目标识别中的应用

针对环境噪声背景下,声目标的识别率大大降低的问题,本文提出了一种基于改进的MFCC特征参数提取方法,小波变换用来替代MFCC参数提取过程中的快速傅立叶变换,结合矢量量化识别的方法在不同的噪声比情况下来检测和识别目标声信号。实验结果表明,改进的MFCC特征参数在单一的噪声环境下的识别率优于MFCC特征参数,可以更准确的分辨出不同的声目标信号。

基于HMM的孤立字识别

本文以HMM(隐马尔可夫模型)为基础研究孤立字的汉语语音识别。孤立字的汉语语音样本首先经过人工切分去除寂静段,然后进行分帧处理;对每一帧语音进行频域预加重和时域汉明窗加权处理后,提取该帧的39维的MFCC混合参数(Mel频率倒谱参数);把该字所有帧的MFCC混合参数作为该字HMM模型的观察序列对其进行训练。通过在小人群范围内对0-9这十个孤立数码语音的大量实验,得到了很好的识别效果。

基于DSP的家居空调语音识别控制系统的设计实现

语音识别技术使家用电器的控制更加人性化,本文设计并实现了一种基于DSP的家居空调语音识别控制系统。硬件核心处理器是TMS320VC5402,软件模块包括端点检测、MFCC求取、模板训练和改进的DTW算法。实验结果表明,该系统对空调控制命令的识别率达94%以上,具有功耗小、性能稳定、运算精度高等优点,具有较大的市场应用价值。

采用高斯概率分布和支持向量机的说话人确认

在采用支持向量机的说话人确认中,将语音特征参数相对于通用背景模型各高斯分量的概率分布作为支持向量机输入,在线性核函数的情况下,系统能取得与广义线性判别式序列核函数(GLDS)几乎相同的识别率,同时该高斯概率分布算法能够与混合高斯背景模型、广义线性判别式序列核函数的得分进行融合,进一步提高识别性能.在2006年 NIST SRE 1conv4w-1conv4w 数据库上,融合后的系统相对于基线的混合高斯模型最多有25%的等错误率下降.