鲁棒性语音识别中的一种特征参数规整的优化算法

为了提高语音识别系统的鲁棒性,本文提出了一种特征参数规整的优化算法。整个算法由环境选择﹑ MFCC 差分扩展﹑均值方差规整(Mean and Variance Normalization,MVN) 和ARMA 滤波器平滑四个模块组成。首先我们对扩展和平滑这两个模块进行了一系列的优化,然后再加入环境选择的思想进一步提高了性能。在Aurora2 数据库上总识别率的相对提升达到了53.23%,要明显优于传统的各种参数规整方法,并且和ETSI AFE 标准前端的性能基本持平。

[Conference]Du05.pdf
PDF file

In  第八届全国人机语音通讯学术会议

Details

TypeProceedings
> Publications > 鲁棒性语音识别中的一种特征参数规整的优化算法