噪声环境下顽健的语音识别系统

开发了一高噪声环境下特定人孤立词的语音识别系统,讨论了系统性能的考核情况,考核实验表明,系统在80dB以下噪声环境下工作,精度较高;在100dB的高噪声环境下,识别率高于96％,系统仍可使用。     

基于环境特征判别学习的欷顽健语音识别方法

提出一种基于环境特征判别学习的顽健语音识别方法,它首先通过使用一个简单的分类器和梯度下降法迭代地学得环境特征,接首利用得到的环境特征从观测到的混噪音特征中估计出纯净的语音特征,然后将估计出来的纯净语音特征用到后端的HMM分类器中,使用所提出的方法对不特定者小词表进行实验,其系统误识率与基本HMM系统相比下降了33.3%。     

基于环境特征判别学习的顽健语音识别方法

提出一种基于环境特征判别学习的顽健语音识别方法 ,它首先通过使用一个简单的分类器和梯度下降法迭代地学得环境特征 ,接着利用得到的环境特征从观测到的混噪语音特征中估计出纯净的语音特征 ,然后将估计出来的纯净语音特征用到后端的HMM分类器中 .使用所提出的方法对不特定话者小词表进行实验 ,其系统误识率与基本HMM系统相比下降了 33 3% .     

基于自适应共轭梯度参数估计的顽健卡尔曼滤波语音增强算法

对于加性噪声影响下的语音信号，利用双通道输入建立起来的增广卡尔曼滤波器模型，采用自适应共轭梯度方法对纯净语音和有色噪声干扰模型分别进行参数估计，提出了一种有效的语音增强算法。由于该方法对模型参数的估计精确性较高，而且估计速度快，同卡尔曼滤波类的其它语音增强方法相比，其语音增强效果良好，且具有一定的顽健性。仿真实验表明在环境噪声很复杂的情况下，该方法仍然有效。     

变异语音处理的研究进展

本文讨论了变异语音处理技术及其研究进展,分析了变异情况对语音识别性能产生的影响,综述了变异语音分类和变异语音识别方法,探讨了变异语音处理研究中存在的问题及未来的研究重点.     

一种抗噪声的语音识别方法研究

语音用于人们日常生活交流、外界信息获取,语音传递了特定信息,这种信息传递方式为生活带来诸多便利.随着信息时代来临,语音识别成为一项关键技术,技术人员提取、分析语音的特征参数,识别不同背景噪声环境中说话人声波,采用不同的识别模型和滤波方法,改进模型算法,通过对比识别效果表明,语音识别系统抗噪声能力得到有效提升.     

基于超高斯激励的噪声顽健语音线性预测分析算法

针对传统的语音信号线性预测分析算法在噪声环境下性能恶化的问题,提出了一种新的基于超高斯激励的噪声顽健线性预测算法。该算法采用具有超高斯特性的学生t分布对语音信号线性预测激励建模,并显式地考虑环境噪声的影响,从而构建语音信号线性预测分析的概率图模型。在此基础上,利用变分贝叶斯的方法求解模型参数的近似后验分布,进而实现对带噪语音线性预测系数的最优估计。实验结果表明,该算法能够有效提高噪声环境下语音信号线性预测分析的顽健性。     

噪声下差分复合子带语音识别方法

本文根据子带特征反映语音信号局部特性和全带特征反映语音信号整体特性的事实，提出了 一种差分复合子带语音识别新方法。先用频谱差分减少噪声的干扰，再将多子带特征识别概率与全带特征识别概率相结合进行综合判决，以得到最终识别结果。将新方法应用于TIMIT数据包0－9十个英文数字和E－Set在NoiseX92的白噪声和F16战机噪声下的识别实验。实验结果表明新方法比传统方法识别性能有很大提高。     

利用DSP实现的实际环境下语音识别方法

该文提出了一种在实际环境下利用DSP实现的语音识别方案,通过户外实际环境的语音识别实验,这种方法的有效性得到了验证。     

人工智能下深度学习的语音识别方法分析

本文通过对人工智能下深度学习的语音识别技术的发展现状,讨论了人工智能语音识别方法。改善声音传感器和语音识别的特征提取,大力发展模拟训练和语音识别判断的技术,是有效的提高人工智能下深度学习语音识别这项技术的重要举措。同时还能够促进对人工智能这项技术的发展,从而可以方便人们的生活以及推动对工作的进展。