混响环境中的视-听语音识别

• 作者: 万书婷 曾向阳 王强
• 来源期刊: 电声技术
• 学科: 工学
• 关键词: 语音识别 混响 视-听特征融合 隐马尔可夫模型
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 语音技术
• 页码范围: 42-45
• 页数: 4页
• 分类号: TN912
• 字数: 2749字
• 语种: 中文

摘要

针对混响环境中语音识别率相对安静环境下急剧下降的问题,提出了一种将语音视觉信息与音频特征相结合的方法.通过快速检测和定位包含说话人唇部的感兴趣区域(ROI),获得ROI图像序列.首先对ROI图像进行离散余弦变换,提取反映说话人唇动的视觉特征.音频特征的提取,则采用较为成熟的Mel频率倒谱系数(MF-CC)方法.对所获取的视、音特征采用隐马尔可夫模型作为训练识别算法.测试实验结果证明,采用视、听特征相结合的方法,有效地提高了混响环境中的语音识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾向阳		67	326	10.0	15.0
2	王强		35	253	10.0	14.0
3	万书婷		1	3	1.0	1.0