當前語音識別的研究已取得了較為豐碩的成果,在安靜環(huán)境下性能令人滿意,逐漸被應用在諸多人機交互的場合。然而,由于噪聲的存在,語音識別系統(tǒng)在實際環(huán)境下性能急劇下降,如何提高語音識別的噪聲魯棒性,逐漸成為近年來語音識別的研究熱點。本文主要研究農產品市場信息采集作業(yè)環(huán)境中的語音識別噪聲魯棒性問題,針對當前缺乏面向農產品市場信息采集領域的語音識別引擎,而通用領域的識別算法又不適合解決上述問題,分析環(huán)境的噪聲特點,面向非特定人和中小規(guī)模詞匯量的連續(xù)漢語普通話識別,訓練聲學模型,研究適用于該環(huán)境下的語音識別魯棒性方法。本文主要研究的內容包括:(1)基于隱馬爾科夫模型(HMM)框架建立了聲學模型,利用自建的農產品市場信息語料庫進行訓練和測試HHM模型,基于HTK工具包建立了農產品價格語音識別基線系統(tǒng)。(2)在分析農產品市場信息采集環(huán)境的噪聲特點的基礎上,從模型空間和特征空間對系統(tǒng)采取了多種魯棒性方法,包括:在聲學模型的識別基元選取上,采用了一種擴展的三音素聲韻母模型,有效的解決了音節(jié)內部和音節(jié)間的協(xié)同發(fā)音問題,大大提高了識別率;針對建模后三音子模型數(shù)量急劇增加問題,采用了決策樹狀態(tài)聚類方法,建立了一套二值問題規(guī)則集,并將語音學的專業(yè)知識融合進決策樹,通過聚類減少了三音子模型的數(shù)量,有效地解決了訓練數(shù)據(jù)不充分問題;鑒于倒譜均值歸一化(CMN)方法在消除信道卷積噪聲以及加性噪聲方面的良好表現(xiàn),在農產品市場信息語音識別系統(tǒng)中采用,有效緩解了信道噪聲影響。(3)在信號空間,為了提高輸入語音信號的信噪比,采用了譜減類算法進行語音增強,但譜減算法容易帶來信道失真和“音樂”噪聲。為了減少這種失真,提出了一種聯(lián)合語音增強與特征補償?shù)聂敯粜苑椒?把倒譜均值方差歸一化方法(CMVN)與譜減類算法進行了結合,二者互為補充。實驗結果表明,聯(lián)合后的算法能有效提高系統(tǒng)的識別率,特別是在低信噪比時效果更為明顯。(4)在統(tǒng)計估計理論的框架下,研究了估計幅度與實際幅度的最小均方誤差(MMSE)估計器以及對數(shù)最小均方誤差(log MMSE)幅度估計器。在此基礎上提出了一種聯(lián)合MMSE以及l(fā)og MMSE幅度估計與CMVN失真補償?shù)聂敯粜苑椒�。不同農產品市場信息采集環(huán)境下的實驗證明,該方法具有一定的噪聲魯棒性,多種空間算法的有機結合可以提供系統(tǒng)的魯棒性,特別是在低信噪比時更為明顯。本文的研究為語音識別在農產品市場信息采集環(huán)境中的應用建立了一套魯棒性方法,為今后語音識別在農業(yè)信息采集領域的應用提供了借鑒。

【學位授予單位】：中國農業(yè)科學院

【學位授予年份】：2015
【分類號】：TN912.34
【目錄】：