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

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1機(jī)器人混合語音識別框圖

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

圖2語音GFCC特征的識別率結(jié)果

為了進(jìn)一步驗證融合遞歸求逆濾波方法在機(jī)器人混合語音識別時的良好性能,得出兩種方法在信噪比變化時,對于語音信號GFCC特征,以及混合GFCC特征與MFCC特征的識別準(zhǔn)確率。由于融合遞歸求逆濾波方法的語音識別性能不受詞匯數(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特征的識別率結(jié)果

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

本文編號：3906903