改进的HMM和小波神经网络的抗噪语音识别

• 作者: 肖勇 覃爱娜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 隐马尔可夫模型 小波神经网络 鲁棒性 特征系数
• 年，卷（期）: 2010,（22）
• 页码范围: 162-164,235
• 分类号: TP311
• 字数: 4172字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.22.048

摘要

通过MFFC计算出的语音特征系数,由于语音信号的动态性,帧之间有重叠,噪声的影响,使特征系数不能完全反映出语音的信息.提出一种隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的抗噪语音识别方法.该方法对MFCC特征系数利用小波神经网络进行训练,得到新的MFCC特征系数.实验结果表明,在噪声环境下,该混合模型比单纯HMM具有更强的噪声鲁棒性,明显改善了语音识别系统的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖勇	中南大学信息科学与工程学院	8	40	4.0	6.0
2	覃爱娜	中南大学信息科学与工程学院	25	126	7.0	10.0