基于频率弯折小波和DZCPA特征的抗噪语音识别-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于频率弯折小波和DZCPA特征的抗噪语音识别

项目名称：基于频率弯折小波和DZCPA特征的抗噪语音识别
项目类别：面上项目
批准号：60472094
申请代码：F010302
项目来源：国家自然科学基金
研究期限：2005-01-01-2007-12-31

项目负责人：张雪英
负责人职称：教授
依托单位：太原理工大学
批准年度：2004

中文摘要：

语音识别系统的抗噪能力一直是制约语音识别实用化的难题，但人耳却有很强的抑制噪声的能力，所以提取符合人耳听觉特性的特征有利于改善识别系统的抗噪性能，具有重要意义。弯折小波克服了普通小波倍频程划分频带的不足，更符合人耳听觉的特性，而ZCPA特征又具有抗噪的特点。本项研究在前期的ZCPA特征下，增加信号的差分过零信息，形成新的DZCPA特征；同时研究基于Laguerre序列展开式的频率弯折小波在抗噪识别

中文主题词：抗噪语音识别；特征提取；频率弯折；Bark小波；滤波器

英文摘要：

robust speech recognition; fea

英文主题词： robust speech recognition; fea

结论摘要：

语音识别系统的抗噪能力是系统实用化的关键，本项目主要研究符合人耳听觉特性的抗噪语音识别算法，所做主要工作包括①在保留原有信号过零信息的情况下，增加信号的差分过零信息，并进行加权处理，形成新的ZCPA特征，结果使识别率比原ZCPA平均高4.88个百分点。②研究了能直接将线性频率映射到Bark坐标的频率弯折Bark小波，并将其作为听觉滤波器组，代替原来的FIR滤波器，识别结果比原ZCPA平均高2.74个百分点。③研究了基于Laguerre序列展开式的频率弯折滤波器，建立了参数的确定方法，并将其作为听觉滤波器组，用于语音识别系统，识别结果比原ZCPA平均高6.7个百分点。④研究了观察窗长分别取C=10,15,20时对识别结果的影响，从而得到最优帧长C=15。C=15时的识别结果平均比原ZCPA高5个百分点，加权ZCPA结果平均比原ZCPA高6.5个百分点。⑤研究了模糊神经网络FNN用于语音识别系统的初步结果，即使用FNN代替原系统的HMM或RBF网络，结果表明，使用FNN比使用RBF的结果平均高7.8个百分点。本项目的研究成果对语音识别系统的实用化具有重要意义。

成果综合统计