基于统计阈值的鲁棒性语音识别

近几十年来，语音识别系统已由实验室环境走向真实的世界中。在不同的环境噪声下，识别性能却仍不尽人意，尤其是在低信噪比的环境中。为解决在低信噪比情况下的低识别率的问题，以声学参数MFCC（Mel-frequencycepstrumcoefficient）为基础，提出了一种基于统计阈值的倒谱均值方差归一化算法，该算法能进一步减小训练环境和测试环境的不匹配程度，从而提升了语音识别系统对环境噪声的鲁棒性。首先，对输入的语音提取MFCC声学参数，然后对提取的声学参数作均值方差归一化处理，最后采用统计阈值的方法抑制归一化后存在变异的特征。该算法能增加带噪语音特征和纯净语音特征的相似性；与MFCC为基线的系统相比，在低信噪比情况下，该算法的错误率最高下降约40%，同时该方法也优于其他的鲁棒性特征倒谱均值减和倒谱均值归一。