采用特征分类直方图均衡化的鲁棒性语音识别

• 作者: 俞一彪 姜莹
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 语音识别 直方图均衡化 特征分类 鲁棒性
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 应用
• 页码范围: 896-900
• 分类号: TN912
• 字数: 4298字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2011.06.015

摘要

大部分噪声会引起语音倒谱域特征参数的非线性失真,导致识别系统性能下降.直方图均衡化方法是一种非线性补偿变换技术,较传统的基于线性变换技术的抗噪声方法进一步提高了系统的鲁棒性.但实际识别系统中,除了噪声引起语音特征的非线性失真外,还存在训练和测试数据的语音特征类分布不一致问题,从而难以保证传统的直方图均衡化方法发挥其优势.本文提出一种基于特征分类的直方图均衡化方法,首先对初步均衡化后的含噪语音特征矢量进行K均值分类,然后对各类别下的特征矢量再进行直方图均衡变换.实验结果表明,低信噪比时无论在平稳噪声还是非平稳噪声环境下,与传统的直方图均衡化方法相比都进一步增强了识别系统的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	俞一彪	苏州大学电子信息学院	69	404	11.0	16.0
2	姜莹	苏州大学电子信息学院	3	13	2.0	3.0