基于人耳聽覺特性的語音識別及在人機交互上的應用.pdf

1、隨著噪聲的增加，機器語音識別性能急劇惡化，而人類聽覺系統(tǒng)的識別效果卻是相對穩(wěn)定的，這就啟發(fā)了我們從仿生的角度來研究語音識別，而基于聽覺特性的語音識別研究也是目前的研究熱點和難點之一。因此，基于人耳聽覺特性的語音識別人機交互具有非常重要的理論研究意義和較高的實際應用價值。
　　 首先，對基于人耳聽覺特性的語音識別原理進行了深入的理論研究，掌握了人耳語音接收過程的生理學和人耳聽覺系統(tǒng)對語音信號的信號處理機制，總結了語音感知特性和噪聲

2、特性，并給出了典型的基于人耳聽覺特性的語音識別系統(tǒng)，為以后的研究打下的扎實的理論基礎。
　　 接著，本文研究了基于語音分離的預處理。本文對傳統(tǒng)基于端點檢測和語音增強的預處理方法進行了研究，發(fā)現(xiàn)其只適用于較為簡單的噪聲（如:高斯白噪聲）環(huán)境下，且隨著信噪比的下降，語音識別系統(tǒng)的識別率直線下滑。因此，我們將基于人耳的聽覺選擇能力即“雞尾酒會效應”的語音分離技術應用到前端，更有利于提高語音識別系統(tǒng)在多聲源和復雜噪聲環(huán)境下的識別性能。<

3、br>　　 然后，本文研究了基于入耳聽覺特性的語音特征提取。本文闡述了幾種常見的語音特征LPCC、MFCC和ZCPA，并對其優(yōu)缺點進行了比較。同時，本文對人耳聽覺模型進行了研究和對比，在原有的人耳聽覺濾波器GT和GC濾波器的基礎上，針對GT和GC濾波器頻率選擇特性不夠尖銳的問題，提出了GT-4和GC-4濾波器;同時，針對Mel刻度不符合聽覺特性中臨界帶寬的問題，將改進的濾波器按ERB刻度排列。隨后將GT-4，GC-4濾波器與MFCC，

4、ZCPA結合，獲得了改進的MFCC、ZCPA特征提取方法。
　　 最后，本文做了大量的驗證實驗，結果表明:在不同的聲壓級和不同信噪比的多種噪聲環(huán)境下，所提算法性能較之MFCC均有不同程度的提高，隨著聲壓級從40dB降到-20dB，MFCC的識別率降低了22.83％，而ERBCC-GC4和ZCPA-GC4分別只降低了2.60％和3.47％;隨著信噪比從30dB降到0dB，MFCC的識別率降低了18.52％，而ERBCC-GC4和Z