资料下载
×
一种基于概率模型的特征补偿算法
消耗积分:2 |
格式:rar |
大小:112 |
2009-08-24
分享资料个
本文提出了一种基于概率模型的特征补偿算法。该方法基于语音和噪声的先验概率
密度，在倒谱域对语音特征参数进行最小均方误差预测(MMSE)，提高识别精度。实验结果表明，本文方法能有效提高噪声环境下的中文连续语音识别的正确率。
关键词：语音识别，噪声抑止，MMSE，概率模型
近年来，噪声环境下的语音识别已成为识别领域的一个研究热点。它们通常可分为频谱
域补偿[1][2]如谱减法和维纳滤波法，特征域补偿以及模型域补偿[3]三个方面。频域补偿方法缺点是需假设语音信号为高斯分布，且不能准确预测噪声的功率谱。本文基于语音和噪声的联合概率模型，在对数美尔频域对语音参数进行统计学习和推理，并根据语音学特征，利用特征参数的预测值提高识别精度。
密度，在倒谱域对语音特征参数进行最小均方误差预测(MMSE)，提高识别精度。实验结果表明，本文方法能有效提高噪声环境下的中文连续语音识别的正确率。
关键词：语音识别，噪声抑止，MMSE，概率模型
近年来，噪声环境下的语音识别已成为识别领域的一个研究热点。它们通常可分为频谱
域补偿[1][2]如谱减法和维纳滤波法，特征域补偿以及模型域补偿[3]三个方面。频域补偿方法缺点是需假设语音信号为高斯分布，且不能准确预测噪声的功率谱。本文基于语音和噪声的联合概率模型，在对数美尔频域对语音参数进行统计学习和推理，并根据语音学特征，利用特征参数的预测值提高识别精度。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
