機(jī)器人語(yǔ)音識(shí)別需要滿足混合噪聲與非特定人等復(fù)雜場(chǎng)景的使用需求,現(xiàn)有方法難以達(dá)到全場(chǎng)景的準(zhǔn)確識(shí)別。為此提出了融合遞歸求逆濾波的混合語(yǔ)音識(shí)別方法。方法根據(jù)機(jī)器人語(yǔ)音識(shí)別模型,分別對(duì)語(yǔ)音信號(hào)的預(yù)處理,特征提取,以及匹配識(shí)別三個(gè)階段做了相應(yīng)優(yōu)化。在預(yù)處理階段,設(shè)計(jì)了遞歸求逆算法,用于補(bǔ)償原始語(yǔ)音中的小特征信號(hào),同時(shí)采用加權(quán)向量,在遞推過(guò)程中增強(qiáng)原始語(yǔ)音信號(hào)。在特征提取階段,針對(duì)卷積噪聲,邊緣效應(yīng),以及基音干擾,設(shè)計(jì)了多次濾波器,用以避免語(yǔ)音特征提取時(shí)的各種干擾。最后的匹配識(shí)別階段,利用提取的特征訓(xùn)練得到模板庫(kù),通過(guò)歐氏距離遞推得到相似度,并根據(jù)閾值約束完成匹配識(shí)別。仿真結(jié)果表明,融合遞歸求逆濾波方法顯著提高了混合語(yǔ)音信號(hào)的識(shí)別率與抗噪性能,能夠更好的滿足機(jī)器人復(fù)雜場(chǎng)景下的應(yīng)用需求。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1機(jī)器人混合語(yǔ)音識(shí)別框圖

機(jī)器人使用環(huán)境復(fù)雜,在進(jìn)行語(yǔ)音識(shí)別時(shí)通常需要達(dá)到混合非特定人級(jí)別,這給識(shí)別準(zhǔn)確率提出了嚴(yán)峻挑戰(zhàn)。為了達(dá)到較好的識(shí)別效果,針對(duì)混合非特定人語(yǔ)音處理過(guò)程一般包含語(yǔ)音收集,預(yù)處理,特征提取,以及匹配識(shí)別。采集后首先是對(duì)收到的語(yǔ)音信號(hào)采取預(yù)處理,增強(qiáng)原始語(yǔ)音信號(hào),去除掉混合語(yǔ)音中的噪聲,....

圖2語(yǔ)音GFCC特征的識(shí)別率結(jié)果

為了進(jìn)一步驗(yàn)證融合遞歸求逆濾波方法在機(jī)器人混合語(yǔ)音識(shí)別時(shí)的良好性能,得出兩種方法在信噪比變化時(shí),對(duì)于語(yǔ)音信號(hào)GFCC特征,以及混合GFCC特征與MFCC特征的識(shí)別準(zhǔn)確率。由于融合遞歸求逆濾波方法的語(yǔ)音識(shí)別性能不受詞匯數(shù)量影響,因此,仿真選擇HMM方法最佳的詞匯數(shù)量20,結(jié)果曲線如....

圖3混合GFCC與MFCC特征的識(shí)別率結(jié)果

圖2語(yǔ)音GFCC特征的識(shí)別率結(jié)果根據(jù)仿真結(jié)果分析可知,利用HMM方法得到的語(yǔ)音GFCC特征識(shí)別準(zhǔn)確率的均值約為74.5%,比語(yǔ)音MFCC特征識(shí)別準(zhǔn)確率降低了2.13%,對(duì)于混合GFCC特征與MFCC特征識(shí)別率的均值約為74.2%。融合遞歸求逆濾波方法的對(duì)于語(yǔ)音MFCC特征識(shí)別準(zhǔn)....

本文編號(hào)：3906903