改进的HMM和小波神经网络的抗噪语音识别  

Noise robust speech recognition based on improved hidden Markov model and wavelet neural network

作　　者：肖勇[1] 覃爱娜[1] 

机构地区：[1]中南大学信息科学与工程学院,长沙410083

出　　处：《计算机工程与应用》2010年第22期162-164,235,共4页Computer Engineering and Applications

基　　金：国家自然科学基金No.60634020~~

摘　　要：通过MFFC计算出的语音特征系数,由于语音信号的动态性,帧之间有重叠,噪声的影响,使特征系数不能完全反映出语音的信息。提出一种隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的抗噪语音识别方法。该方法对MFCC特征系数利用小波神经网络进行训练,得到新的MFCC特征系数。实验结果表明,在噪声环境下,该混合模型比单纯HMM具有更强的噪声鲁棒性,明显改善了语音识别系统的性能。The feature coefficients based on MFCC are not fully reflecting speech information as a result of speech signal movement and overlap of frames, especially noisy effect.A new method for noise robust speech recognition based on a hy- brid rnodel of Hidden Markov Models（HMM） and Wavelet Neural Network（WNN） is presented.The model trained by this method is used in MFCC coefficients.Experimental results show this model has better noise robustness.

关 键 词：隐马尔可夫模型 小波神经网络 鲁棒性 特征系数 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]