穩(wěn)健語音特征和音頻場景識別方法的研究.pdf

1、音頻信號含有豐富的信息，并具有非接觸性、自然性和采集設備成本低的優(yōu)勢，使得音頻信號識別技術在實現人機交互和各種電子產品智能方面具有很好的應用前景。實際應用中，說話人語音不可避免地會受到開放環(huán)境的影響，從而降低說話人識別的準確率。穩(wěn)健語音特征提取算法能有效降低噪聲對說話人語音特性的影響，提高說話人系統(tǒng)的分類性能，因而受到廣泛關注。作為音頻信號識別技術的另一個分支-音頻場景識別技術，可以使各類設備根據音頻信息自動地感知環(huán)境特征，具有聽覺智能

2、性。當前，音頻場景識別的問題已成為一個研究熱點。
　　 在前人研究工作的基礎上，本文對說話人識別中的穩(wěn)健語音特征提取方法、音頻場景識別中的特征選擇方法和模型優(yōu)化方法進行了研究，具體包括：
　　 (1)研究了一種基于最小方差無失真響應和感知特性的倒譜特征提取方法。作為梅爾頻率倒譜系數的一種改進算法，該方法能有效解決梅爾頻率倒譜參數在混有背景噪聲的語音條件下系統(tǒng)分類性能下降的問題，從而提高了識別系統(tǒng)的穩(wěn)健性。
　　

3、(2)給出一種基于局部判別基的特征選擇方法。該方法采用兩個判別準則對特征向量在類間的區(qū)分能力進行評估，按判別值大小進行排序，選取前N個特征向量組成特征子集。采用HMM分類器對選取的特征子集進行評估，對比不同N值對應的系統(tǒng)識別率，把最高識別率對應的N值作為最佳經驗值。在模型訓練和識別過程中，能夠在線選取音頻樣本的特征子集。本文把基于局部判別基的特征選擇算法應用于音頻場景識別系統(tǒng)，通過對比實驗表明，該方法能有效地提高系統(tǒng)的分類性能。