连续语音识别前端鲁棒性研究

• 作者: 曾庆宁 胡丹 黄桂敏 龙超
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 连续语音识别 语音增强 HMM imcra 句子正确率
• 年，卷（期）: 2015,（24）
• 所属期刊栏目: 智慧家庭与城市
• 页码范围: 43-46,58
• 页数: 5页
• 分类号: TN912.34
• 字数: 2902字
• 语种: 中文
• DOI: 10.16280/j.videoe.2015.24.010

摘要

针对大词汇量连续语音识别中识别率不高的问题,提出了将语音增强级联在识别系统前端,在语音增强中将谱减法和对数最小均方误差算法(logmmse)与用于噪声估计的最小控制递归平均算法(imcra)相结合.识别系统使用Mel频率倒谱系数(MFCC)提取特征,用隐马尔科夫模型(HMM)训练与识别.实验结果表明,该方法最高能使单词识别率提高38.9％,使句子正确率提高21.8％.该方法用于大词汇量连续语音识别是可行有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄桂敏	桂林电子科技大学信息与通信学院	29	116	6.0	9.0
2	曾庆宁	桂林电子科技大学信息与通信学院	105	545	12.0	18.0
3	龙超	桂林电子科技大学信息与通信学院	21	82	6.0	7.0
4	胡丹	桂林电子科技大学信息与通信学院	11	25	3.0	4.0