改进型重复Wiener滤波/PUM模型——实现抗噪连续语音识别

众所周知,抗噪问题是现在语音识别研究中的重点。文章描述了一种新的抗噪语音识别方法,即通过改进型重复Wiener滤波结合后验概率联合模型PUM(PosteriorUnionModel)[3]实现在噪声环境下连续字语音识别的方法。这种方法先采用改进型重复Wiener滤波器对语音信号进行语音增强预处理,消除已知噪声,为PUM模型提供只有局部频带被噪声污染的语音信号,再利用PUM模型进行抗噪语音识别。试验表明在各种不同的噪声环境下新方法有更高的平均识别率。

新型车载语音识别系统中的一种关键技术

提出一种新型车载语音识别系统,采用帧能量与帧过零率的乘积作为指标量进行语音端点检测,以MFCC作为语音信号特征矢量,基于HMM语音识别模型进行语音识别。同时提出了一种新的抗噪语音识别方法,改进型重复Wiener滤波结合PUM模型进行抗噪语音识别,较好的抑制了噪声干扰,提高了语音识别率。

一种新型语音识别系统

提出一种新型语音识别系统,采用帧能量与帧过零率的乘积作为指标量进行语音端点检测,以MFCC作为语音信号特征矢量,基于HMM语音识别模型进行语音识别.同时,提出了一种新的抗噪语音识别方法,通过改进型重复Wiener滤波结合PUM模型进行抗噪语音识别,较好地抑制了噪声干扰,提高了语音识别率.

一种新的抗噪语音识别方法

通过子带Wiener滤波结合PUM(Probabilistic Union Model)模型,实现在噪声环境下连续字语音识别的方法。该方法先通过对语音信号进行子带Wiener滤波预处理消除已知噪声,为PUM模型提供只有局部被噪声污染的语音信号,再利用PUM模型进行抗噪语音识别。试验表明在各种不同的噪声环境下,该新方法有更高的平均识别率。