检索结果-南通市图书馆

无线电工程 2024年第4期54卷 1026-1033页

作者：薛珮芸师晨康白静赵建星汪思斌太原理工大学电子信息与光学工程学院山西晋中030600 山西高等创新研究院博士后科研工作站山西太原030002

针对单个语音去噪算法在去噪过程中关注点较为单一,而多个语音去噪算法在融合时存在细节信息被削弱、融合效果不理想的问题,提出一种多个语音去噪算法下的自适应门限融合策略,将带噪信号分别经过3种不同的去噪算法得到3个去噪信号;根据... 详细信息

针对单个语音去噪算法在去噪过程中关注点较为单一,而多个语音去噪算法在融合时存在细节信息被削弱、融合效果不理想的问题,提出一种多个语音去噪算法下的自适应门限融合策略,将带噪信号分别经过3种不同的去噪算法得到3个去噪信号;根据自适应门限值以帧为单位进行帧筛选,得到自适应门限融合策略下的去噪信号;为提高识别效果,采用倒谱提升器对Gammatone频率倒谱系数(Gammatone Frequency Cepstrum Coefficient, GFCC)进行改进,并联合支持向量机进行噪声环境下的语音识别。实验结果表明,在5、10、15、20 dB四种信噪比下,通过该融合策略所得到的去噪信号与目前主流的顺序融合及多级融合方式相比,在语音识别率方面平均提高3.6%,融合倒谱提升器的GFCC特征相比于GFCC特征平均提高了2.2%。

关键词：语音去噪自适应门限融合带噪语音帧筛选 Gammatone滤波器

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

协调语音能量区域的端到端抗噪语音识别研究

协调语音能量区域的端到端抗噪语音识别研究

引用

作者：师晨康太原理工大学

学位级别：硕士

随着人工智能技术的快速发展,人与机器之间的交流日渐频繁,语音作为最简单有效的交流方式,被广泛应用在智能化交互场景中,如智能家居、车载语音助手等,这些交互场景大多处于噪声环境下,会降低语音识别系统的识别效果,无法保证系统的稳... 详细信息

随着人工智能技术的快速发展,人与机器之间的交流日渐频繁,语音作为最简单有效的交流方式,被广泛应用在智能化交互场景中,如智能家居、车载语音助手等,这些交互场景大多处于噪声环境下,会降低语音识别系统的识别效果,无法保证系统的稳定性和鲁棒性;另一方面,针对复杂的语音识别分类问题其识别能力受到很大程度的制约,深度学习模型可通过搭建含有多层隐层的非线性网络结构,实现复杂函数的逼近,但是现有的语音资源有限,深度学习模型很容易陷入过拟合问题;同时,高斯混合隐马尔可夫模型、动态时间规整等传统的语音识别模型存在模型训练过程中不易找到最优参数、语音信号表征低效的问题,且模型结构复杂。基于上述问题,本文从语音去噪、正则化改进、模型设计等方面出发,提出相应的解决办法。具体而言,在语音去噪方面,提出一种自适应门限融合策略的语音去噪算法的融合策略;在正则化改进方面,提出了一种协调语音能量区域的正则化优化算法;在模型设计方面,采用更为简便的端到端语音识别模型。本文的具体工作如下:(1)提出基于自适应门限融合策略的语音去噪算法。由于单个语音去噪算法对带噪语音信号进行去噪时,关注点较为单一,而多个语音去噪算法在融合时存在细节信息被削弱、融合效果不理想的问题,因此本文提出自适应门限融合策略,首先,将带噪信号分别经过三种去噪算法得到三个去噪信号,并进行归一化及帧对齐处理;其次设立适应信噪比变化的门限值,并以帧为单位进行帧筛选处理,选出同一帧信号中去噪表现更优的帧信号作为该帧最终的去噪信号,当有信号处于门限值以下时,取三者中的最小值,否则,取三者中的最大值,经筛选后得到自适应门限融合策略下的去噪信号;另一方面,为提高识别效果,采用倒谱提升器对Gammatone频率倒谱系数(Gammatone Frequency Cepstrum Coefficient,GFCC)进行改进,并联合支持向量机进行噪声环境下的语音识别,经实验验证,该融合策略可以提高语音识别模型的准确率,融合倒谱提升器的GFCC特征也可提升语音识别模型的性能。(2)提出一种协调语音能量区域的正则化优化算法。由于卷积神经网络在处理语音信号时存在对低能量区域关注较少、模型拟合效果不理想的问题,而且现有的深度学习模型正则化方法Dropout在卷积层中的表现会受到卷积层共享语义信息的影响,因此本文结合Dropout算法对其做出改进,对语音信号中能量相对聚集的区域进行集体失活处理,以增加模型对能量稀疏区域的关注,以达到协调语音能量区域的效果,最后通过实验验证了本文改进确实可以提升语音识别模型的识别效果。(3)搭建深度学习端到端语音识别模型。本文首先研究深度残差神经网络(Deep Residual Network,Res Net)在语音识别模型上的应用,并对Res Net网络元素结构的排列顺序进行了研究,并确定最佳排列顺序;其次研究门控卷积神经网络模型(Gated Convolutional Neural Network,GCNN),该模型中的Sigmoid门控机制存在梯度衰减的问题,因此本文对该门控机制进行了进一步优化,缓解了梯度衰减现象;最后采用联结时序分类算法(Connectionist Temporal Classification,CTC)进行端到端语音识别模型的搭建。实验结果表明,本文所提出的Res Net+GCNN+CTC的模型结构相比于目前主流的语音识别模型,有更好的语音识别效果。(4)不同噪声环境下的端到端语音识别研究,首先,将带噪信号经过多种语音去噪算法,得到多种去噪信号,再经过自适应门限融合策略得到最终去噪信号,将该信号输入网络结构为Res Net+GCNN+CTC的端到端语音识别模型中进行语音识别研究。实验结果表明,本文所搭建的协调语音能量区域的抗噪语音识别模型相比于传统的基于顺序融合的带噪语音识别模型,在语音识别效果上有更好的表现。

关键词：自适应门限融合语音去噪语音识别正则化联结时序分类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：