位置:成果数据库 > 期刊 > 期刊详情页
用于噪声鲁棒性语音识别的子带能量规整感知线性预测系数
  • ISSN号:0371-0025
  • 期刊名称:《声学学报》
  • 分类:TN912.34[电子电信—通信与信息系统;电子电信—信息与通信工程]
  • 作者机构:[1]中国科学院语言声学与内容理解重点实验室(声学研究所),北京100190, [2]中国国家计算机网络应急技术处理协调中心,北京100029
  • 相关基金:本论文工作由国家自然科学基金(10925419,90920302,10874203,60875014,61072124,11074275)经费资助.
中文摘要:

为了提高感知线性预测系数(PLP)在噪声环境下的识别性能,使用子带能量偏差减的方法,提出了一种基于子带能量规整的感知线性预测系数(SPNPLP)。PLP有效地集中了语音中的有用信息,在安静环境下自动语音识别系统使用PLP可以取得良好的识别率;但是在噪声环境中其识别性能急剧下降。通过使用能量偏差减的方法对PLP的子带能量进行规整,抑制背景噪声激励,提出了SPNPLP,增强自动语音识别系统在噪声环境下的鲁棒性。在一个语法大小为501的孤立词识别任务和一个大词表连续语音识别任务上做了测试,SPNPLP在这两个任务上,与PLP相比,汉字识别精度分别绝对提升了11.26%和9.2%。实验结果表明SPNPLP比PLP具有更好的噪声鲁棒性。

英文摘要:

In order to improve the noise robustness of perceptual linear predictive (PLP) coefficients, one kind of features called sub-band power normalized perceptual linear predictive (SPNPLP) coefficients using power bias subtraction is presented. PLP captures the most useful information of speech and fits well with the assumptions used in hidden Markov models. Automatic speech recognition (ASR) systems with PLP have obtained satisfactory performance in benign environments. Nevertheless, performance of ASR drops dramatically in noisy environments. In this work, power bias subtraction that suppresses background excitation is introduced to normalize the sub-band power of PLP, and SPNPLP is proposed to increase the robustness of ASR against additive background noise. Recognition performances are evaluated on an isolated-word recognition task with 501 items and a large vocabulary continuous speech recognition (LVCSR) task. The average improvements upon the standard PLP are 11.26 and 9.2 respectively on these two tasks. The experimental results show that the proposed SPNPLP is consistently more robust than PLP.

同期刊论文项目
期刊论文 111 会议论文 69 获奖 6
同项目期刊论文
期刊信息
  • 《声学学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院声学研究所
  • 主编:王小民
  • 地址:北京北四环西路21号
  • 邮编:100190
  • 邮箱:
  • 电话:010-62558329
  • 国际标准刊号:ISSN:0371-0025
  • 国内统一刊号:ISSN:11-2065/O4
  • 邮发代号:2-181
  • 获奖情况:
  • 中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,美国应用力学评论,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:8376