本文關(guān)鍵詞：車載環(huán)境下駕駛員語音增強(qiáng)方法研究

  更多相關(guān)文章： 車載環(huán)境 語音增強(qiáng) 小波變換 盲源分離 聲紋識(shí)別

【摘要】：車載語音識(shí)別系統(tǒng)是出于解放駕駛員雙手、提供駕駛樂趣、促進(jìn)安全出行等目的而誕生的。近年來,伴隨著我國(guó)汽車使用量的激增,車載語音識(shí)別系統(tǒng)也得到了廣泛關(guān)注,國(guó)內(nèi)外從2000年開始已有相關(guān)產(chǎn)品陸續(xù)問世�，F(xiàn)有的語音識(shí)別產(chǎn)品,在安靜環(huán)境下識(shí)別率能達(dá)到97%左右,但在車載環(huán)境下,卻難以達(dá)到實(shí)用標(biāo)準(zhǔn)。究其原因,主要是車載環(huán)境下路況復(fù)雜,各種環(huán)境噪聲影響了識(shí)別率,嚴(yán)重時(shí)甚至?xí)绊戱{駛安全。車載語音識(shí)別系統(tǒng)中很重要的一方面是首先要在車載環(huán)境中區(qū)別出駕駛員的語音,這是后面駕駛員語音識(shí)別的關(guān)鍵,因此本文重點(diǎn)研究車載環(huán)境下駕駛員語音增強(qiáng)問題。車載環(huán)境噪聲包含語音噪聲和非語音噪聲,傳統(tǒng)的語音增強(qiáng)方法并不能去除非駕駛員的語音干擾,因此本文從語音分離的角度出發(fā)來增強(qiáng)駕駛員語音。本文所做的工作包括如下兩個(gè)方面:(1)設(shè)計(jì)了一種基于小波閾值去噪預(yù)處理與盲源分離相結(jié)合的方法。由于車載環(huán)境下駕駛員語音分離問題屬于欠定盲源分離,不易于實(shí)現(xiàn),而且盲源分離算法不能高效提高信噪比,因此引入小波閾值去噪算法作為預(yù)處理。該方法首先對(duì)帶噪語音進(jìn)行小波閾值去噪,過濾掉非語音噪聲,得到包含駕駛員語音的多人混合語音。從而將欠定盲源分離問題轉(zhuǎn)化為非欠定盲源分離問題,并且大大提高了信噪比。然后采用快速獨(dú)立分量分析法對(duì)多人混合語音進(jìn)行分離,得到各個(gè)說話人的獨(dú)立語音分量。(2)利用聲紋特征從多人語音中選擇出駕駛員語音分量。該方法選擇梅爾倒譜系數(shù)(MFCC)作為聲紋特征參數(shù),并用矢量量化(VQ)作為模式匹配方法。在訓(xùn)練階段,訓(xùn)練駕駛員的MFCC參數(shù)模板;在測(cè)試階段,對(duì)盲源分離得到的各個(gè)說話人信號(hào)提取MFCC參數(shù),計(jì)算其與模板的距離,將距離最小的語音分量判斷為駕駛員語音。對(duì)上述方法的仿真結(jié)果表明,本文所提出的駕駛員語音增強(qiáng)方法對(duì)復(fù)雜路況的非語音噪聲具有一定的去噪效果,并能提高信噪比;去除了非語音噪聲能夠?qū)?fù)雜的欠定盲源分離問題轉(zhuǎn)化為簡(jiǎn)單的非欠定盲源分離問題,從而清晰地分離出多人混合語音分量;采用聲紋匹配的方法,不需要麥克風(fēng)陣列的支持,就能準(zhǔn)確地識(shí)別出駕駛員語音分量。該方法較為簡(jiǎn)單、易于在車載硬件平臺(tái)上實(shí)現(xiàn)。
【關(guān)鍵詞】：車載環(huán)境 語音增強(qiáng) 小波變換 盲源分離 聲紋識(shí)別
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN912.35
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 縮略語對(duì)照表11-14
• 第一章 緒論14-18
• 1.1 引言14
• 1.2 研究背景及意義14-15
• 1.3 車載環(huán)境下駕駛員語音增強(qiáng)的研究進(jìn)展15-17
• 1.4 論文主要研究?jī)?nèi)容和組織結(jié)構(gòu)17-18
• 第二章 車載語音增強(qiáng)18-36
• 2.1 語音信號(hào)的特點(diǎn)18-20
• 2.2 車載環(huán)境噪聲分析20-21
• 2.2.1 噪聲20-21
• 2.2.2 車載噪聲21
• 2.3 語音增強(qiáng)常用算法21-31
• 2.3.1 譜減法22-24
• 2.3.2 維納濾波算法24-27
• 2.3.3 子空間語音增強(qiáng)算法27-31
• 2.4 語音增強(qiáng)算法的性能評(píng)估31-34
• 2.5 語音信號(hào)盲源分離34-35
• 2.6 本章小結(jié)35-36
• 第三章 一種基于小波閾值去噪和盲源分離的語音增強(qiáng)算法36-60
• 3.1 小波閾值去噪算法36-42
• 3.1.1 小波變換的定義37-38
• 3.1.2 離散小波變換38
• 3.1.3 常用小波函數(shù)38-39
• 3.1.4 小波閾值去噪算法39-42
• 3.2 FastICA盲源分離算法42-44
• 3.2.1 盲源分離數(shù)學(xué)模型42-43
• 3.2.2 ICA43-44
• 3.2.3 FastICA44
• 3.3 基于小波閾值去噪的盲源分離算法44-47
• 3.4 實(shí)驗(yàn)仿真47-57
• 3.5 本章小結(jié)57-60
• 第四章 多人語音中的駕駛員語音識(shí)別60-72
• 4.1 聲紋60-61
• 4.2 聲紋識(shí)別方法61-67
• 4.2.1 聲紋識(shí)別61-62
• 4.2.2 常用特征提取62-66
• 4.2.3 模式匹配方法66-67
• 4.3 利用聲紋識(shí)別駕駛員語音67
• 4.4 實(shí)驗(yàn)仿真67-70
• 4.5 本章小結(jié)70-72
• 第五章 總結(jié)與展望72-74
• 5.1 總結(jié)72
• 5.2 展望72-74
• 參考文獻(xiàn)74-78
• 致謝78-80
• 作者簡(jiǎn)介80-81

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 宋宇寧;郭榮;朱麗軍;;基于小波基函數(shù)選取與閾值法的語音去噪算法研究[J];科技展望;2014年11期

2 朱淑琴;趙瑛;;DTW語音識(shí)別算法研究與分析[J];微計(jì)算機(jī)信息;2012年05期

3 李文;夏秀渝;何培宇;李源;;基于麥克風(fēng)陣列的近場(chǎng)聲源定位[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

4 林志斌;徐柏齡;;基于球麥克風(fēng)陣列的三維空間多聲源定位(英文)[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

5 馬義德,袁敏,齊春亮,劉悅,劉映杰;基于PCNN的語譜圖特征提取在說話人識(shí)別中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2005年20期

6 杜先平 ,隋修禮;汽車噪聲解析[J];汽車運(yùn)用;2005年06期

7 張萬里,劉橋;Mel頻率倒譜系數(shù)提取及其在聲紋識(shí)別中的作用[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

8 江太輝;基于VQ的說話人識(shí)別算法與實(shí)驗(yàn)[J];計(jì)算機(jī)工程與應(yīng)用;2004年09期

9 王讓定,柴佩琪;語音倒譜特征的研究[J];計(jì)算機(jī)工程;2003年13期

10 趙力,鄒采榮,吳鎮(zhèn)揚(yáng);HMM在說話人識(shí)別中的應(yīng)用[J];電路與系統(tǒng)學(xué)報(bào);2001年03期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 徐志奪;基于小波變換的語音增強(qiáng)算法研究[D];哈爾濱工程大學(xué);2013年

2 盧宏;欠定盲信號(hào)分離方法研究[D];杭州電子科技大學(xué);2011年

3 鄧玉娟;基于小波變換的語音閾值去噪算法研究[D];重慶大學(xué);2009年

4 劉瑾;基于盲源分離的語音增強(qiáng)方法研究[D];大連理工大學(xué);2006年

，

本文編號(hào)：1069116