基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率.但是在低信噪比环境下,增强后语音信号的识别率急剧下降.针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,LogMMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别.实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性.
推荐文章
一种低信噪比环境下的语音端点检测方法研究
语音端点检测
门限
功率谱减法
LPC倒谱系数
低信噪比环境下改进的新能零熵语音端点检测
端点检测
双门限算法
短时能零熵
低信噪比
语音情感识别方法与研究
语音
情感识别
主元分析法
神经网络
混合高斯模型
基于特征加权的FSVM在低信噪比语音识别中的应用
模糊支持向量机
三叉决策树
加权
低信噪比
鲁棒性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 低信噪比环境下的语音识别方法研究
来源期刊 声学技术 学科 工学
关键词 语音增强 低信噪比 改进维纳滤波 对数最小均方误差算法 语音识别
年,卷(期) 2017,(1) 所属期刊栏目 语言和音乐声学
研究方向 页码范围 50-56
页数 7页 分类号 TN912.34
字数 4797字 语种 中文
DOI 10.16300/j.cnki.1000-3630.2017.01.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曾庆宁 桂林电子科技大学信息与通信学院 105 545 12.0 18.0
2 郑展恒 桂林电子科技大学信息与通信学院 19 31 3.0 5.0
3 谢先明 桂林电子科技大学信息与通信学院 22 80 6.0 7.0
4 王群 桂林电子科技大学信息与通信学院 3 12 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (30)
参考文献  (8)
节点文献
引证文献  (12)
同被引文献  (56)
二级引证文献  (11)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(4)
  • 二级引证文献(2)
2019(13)
  • 引证文献(5)
  • 二级引证文献(8)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
语音增强
低信噪比
改进维纳滤波
对数最小均方误差算法
语音识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
声学技术
双月刊
1000-3630
31-1449/TB
大16开
上海市小木桥路456号
1982
chi
出版文献量(篇)
3200
总下载数(次)
7
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导