东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名:皇整鲢日期:塑!望i塑!!东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布(包括以电子信息形式刊登)论文的全部内容或中、英文摘要等部分内容。论文的公布(包括以电子信息形式刊登)授权东南大学研究生院办理。研究生签名:耻导师签名:摘要摘要目前基于隐马尔可夫模型(}蹦M)的语音识别系统对纯净语音的识别可以达到非常高的准确度,但是无处不在且复杂多变的噪声却带来了训练环境和应用环境之间的失配,从而使得语音识别系统的识别率在噪声环境中急剧下降。尽管这方面的研究已经进行了很多年,但到目前为止,噪声环境下的识别率与纯净环境下的识别率仍然相差很大。本文的研究目的就是以嵌入式系统为平台,提高语音识别系统在噪声环境下的识别率。本文首先对语音识别技术的基础知识做了介绍,分析了噪声对语音识别的影响,对现有的抗噪声语音识别技术进行分类总结。其次,研究了基于HMM的语音识别原理,在嵌入式平台上建立了一个基于HMM的孤立词语音识别系统,给出了系统设计方案与系统实现的详细过程。在系统的端点检测模块,本文提出了一种基于能量熵的自适应端点检测算法,该算法结合了语音的能量和熵两种特性各自的优点,并采用自适应门限决定语音的起止点。最后,对抗噪声的语音特征提取进行了研究,结合功率谱差分的去噪能力和Teager能量的抗噪性,提出了一种新的抗噪声语音特征,即基于功率谱差分的Mel频率Teager能量倒谱系数PSD—。本文选择T146孤立词语音数据库和Noise92噪声数据库对识别系统和算法进行测试,测试结果表明,本文提出的PSD—特征的识别率,具有较强的抗噪声能力。关键字:语音识别,噪声环境,隐马尔可夫模型,端点检测,特征提取,,—,thethesisdiscussedtheprincipleofspeechrecognitionbasedonHM/Vl,andimplementedaHMM—,thethesisstudiedthetechnologyofanti·noisespeechfeatureextraction,proposedanewanti-noisespeechfeature:MelFrequencyTeagerEnergyCeps仃umCoeffici
面向社区服务的数据挖掘关键技术研究实现 来自淘豆网m.daumloan.com转载请标明出处.
