基于噪声分类与补偿的车载语音识别

• 作者: 景新幸 杨海燕 项秉伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 语音识别 噪声鲁棒性 噪声补偿 支持向量机 特征提取
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 220-224
• 页数: 5页
• 分类号: TN912.34
• 字数: 3448字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.03.037

摘要

针对现有车载语音识别系统在实际应用环境下噪声鲁棒性较差的问题,提出一种基于支持向量机(SVM)的噪声分类与补偿方法.采集各应用场景下的噪声构建SVM噪声分类器,利用SVM对待测语音静音段中的噪声进行分类,根据噪声类型选择相应的带噪训练模板进行噪声补偿,并将差分频谱倒谱系数作为特征参数进一步抑制语音段中的噪声,从而实现车载语音识别.实验结果表明,该方法可有效增强车载语音识别系统的噪声鲁棒性,并且与稀疏编码语音增强和能量规整倒谱系数特征增强方法相比,具有更高的语音识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	景新幸	桂林电子科技大学信息与通信学院	106	690	13.0	21.0
2	杨海燕	桂林电子科技大学信息与通信学院	27	233	7.0	14.0
3	项秉伟	桂林电子科技大学信息与通信学院	1	2	1.0	1.0