發(fā)布時間：2018-04-20 18:50

  本文選題：譜熵 + 譜減法��； 參考：《河南理工大學》2014年碩士論文

【摘要】：一個完整的語音識別系統(tǒng),其最終實現(xiàn)及使用效果不僅限于識別算法,許多相關(guān)因素也會影響語音識別系統(tǒng)的成功。語音識別的對象是語音信號,作為識別中的第一個重要環(huán)節(jié),端點檢測就是要對復雜的環(huán)境中的語音信號和非語音信號進行區(qū)分,確定有用信號的開始和結(jié)束。語音信號通常都存在一定的背景音,在實際環(huán)境中,其不可避免地受到各種噪聲的影響,語音端點檢測是語音識別的第一個關(guān)鍵技術(shù),只有提高語音信號端點檢測的精確度,才可以進一步提高語音識別的準確率。本文在已有端點檢測算法的基礎(chǔ)上,重點研究了以下兩點:其一,在MATLAB仿真環(huán)境中對各種語音端點檢測算法進行了研究,在基于譜熵端點檢測算法中,提出了改進的的歸一化加權(quán)因子。由譜熵的優(yōu)勢和特點,證明了算法的有效性和穩(wěn)健性。為下文運用譜熵來進行端點檢測提供了一種很適合的算法。其二,對基于語音增強的端點檢測算法中,重點研究了LMS算法和譜減法。在基本譜減法的基礎(chǔ)上,提出了改進譜減法,在解決噪聲復雜問題上,引入了自適應噪聲平滑。結(jié)合改進譜減法和自適應噪聲平滑,對含噪語音信號進行端點檢測。仿真結(jié)果表明,改進算法更能夠適應復雜噪聲環(huán)境,提高了語音信號端點檢測的精確度。
[Abstract]:A complete speech recognition system, its final implementation and use effect is not only limited to the recognition algorithm, but also many related factors will affect the success of the speech recognition system. The object of speech recognition is speech signal. As the first important link in recognition, endpoint detection is to distinguish speech signal from non-speech signal in complex environment and to determine the beginning and end of useful signal. Speech signal usually has a certain background sound. In the actual environment, it is inevitably affected by various kinds of noise. Speech endpoint detection is the first key technology of speech recognition, only to improve the accuracy of speech signal endpoint detection. The accuracy of speech recognition can be further improved. Based on the existing endpoint detection algorithms, this paper focuses on the following two points: first, in the MATLAB simulation environment, a variety of speech endpoint detection algorithms are studied, in the spectral entropy based endpoint detection algorithm, An improved normalized weighting factor is proposed. The effectiveness and robustness of the algorithm are proved by the advantages and characteristics of spectral entropy. It provides a suitable algorithm for endpoint detection using spectral entropy. Secondly, the LMS algorithm and spectral subtraction are studied in the endpoint detection algorithm based on speech enhancement. Based on the basic spectral subtraction, an improved spectral subtraction is proposed, and adaptive noise smoothing is introduced to solve the complex noise problem. Combined with improved spectral subtraction and adaptive noise smoothing, endpoint detection of noisy speech signal is carried out. Simulation results show that the improved algorithm can adapt to the complex noise environment and improve the accuracy of speech signal endpoint detection.
【學位授予單位】：河南理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN912.34

【相似文獻】

相關(guān)期刊論文 前10條

1 鄺航宇,張軍,韋崗;一種基于檢測元音的孤立詞端點檢測算法[J];電聲技術(shù);2005年03期

2 董胡;錢盛友;;一種基于小波和時頻分解的端點檢測方法[J];微計算機信息;2007年30期

3 張春雷;曾向陽;王曙光;;基于臨界帶功率譜方差的端點檢測[J];聲學技術(shù);2012年02期

4 郭繼云,王守覺,苑海濤;一種基于頻能比的端點檢測算法[J];計算機工程與應用;2004年31期

5 王達偉,曹俊興;一種基于噪音類型估計的端點檢測系統(tǒng)[J];計算機工程與應用;2005年19期

6 郭繼云,王守覺,劉學剛;一種改進的基于頻能比的端點檢測算法[J];計算機工程與應用;2005年29期

7 蔡柳;趙晨星;;安多藏語端點檢測的方法與實現(xiàn)[J];甘肅科技;2008年05期

8 石銳;李寧;何慶華;;咳嗽識別中的端點檢測方法[J];重慶理工大學學報(自然科學版);2010年08期

9 尹巖巖;殷業(yè);羅漢文;錢棟軍;;基于短時能零熵的端點檢測方法[J];計算機仿真;2012年11期

10 陳丹丹;王小敏;王平;郭進;趙才友;;基于順序統(tǒng)計濾波的高速道岔振動信號端點檢測[J];鐵道學報;2013年11期

相關(guān)會議論文 前8條

1 賈川;張健;陳振標;徐波;;噪聲環(huán)境下的端點檢測算法研究[A];第六屆全國人機語音通訊學術(shù)會議論文集[C];2001年

2 王卓;李鵬;蘇牧;徐波;;噪音環(huán)境下基于高階譜的端點檢測算法[A];第七屆全國人機語音通訊學術(shù)會議（NCMMSC7）論文集[C];2003年

3 王月;屈百達;李金寶;蔣純剛;;一種改進的基于頻帶方差的端點檢測算法[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

4 尹巧萍;吳海寧;趙力;;含噪語音信號端點檢測方法的研究[A];2008’促進中西部發(fā)展聲學學術(shù)交流會論文集[C];2008年

5 尹洪兵;秦斌;張凡;黃云森;;一種基于能量-過零率比的端點檢測方法[A];計算機技術(shù)與應用進展——全國第17屆計算機科學與技術(shù)應用（CACIS）學術(shù)會議論文集（上冊）[C];2006年

6 國雁萌;潘接林;顏永紅;韓疆;張建平;;基于子帶能量的自適應端點檢測[A];第七屆全國人機語音通訊學術(shù)會議（NCMMSC7）論文集[C];2003年

7 李曼曼;楊鴻武;洪寧;楊碩;劉亞麗;;基于EMD的帶噪語音端點檢測[A];第十一屆全國人機語音通訊學術(shù)會議論文集（一）[C];2011年

8 朱杰;韋曉東;;采用HMM模型方法進行語音信號的端點檢測[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

相關(guān)重要報紙文章 前1條

1 中國科學院聲學研究所研究員 俞鐵城;語音的端點檢測和系統(tǒng)的打斷功能[N];通信產(chǎn)業(yè)報;2005年

相關(guān)博士學位論文 前1條

1 周文君;艦船VDR人聲識別技術(shù)研究[D];哈爾濱工程大學;2009年

，

本文編號：1779004