基于相对自相关序列MFC特征的模型补偿技术木C.pdfVIP

第 l9卷 第3期 信 号 处 理 V0．1．19． No．3 2003年6月 SIGNALP】R0CESSING Jun．2003 基于相对 自相关序列MFCC特征的模型补偿技术木 张军 韦岗 (华南理工大学电子与信息学院，广州510640) 摘 要 ：提出了基于相对 自相关序列 (RelativeAutocorrelationSequences，RAS)MFCC特征的模型补偿技术，并给 出其理论推导及分析 。实验结果表 明，本文提 出的补偿技术可 以在不同信噪 比下提高 RAS．MFCC 的性能，使基于 RAS—MFCC 的识别系统在低信噪比时仍能保持较高的识别率，并且在低信噪比时其性能明显优于经过相同补偿处理的 MFCC识别系统。 关键词：语音识别；相对 自相关序列；模型补偿 ModelCompensationforMFCCsbasedonRelative AutOCOrrelatiOnSequences ZhangJun W eiGang (Cofiegeof Electronic InformationEngineering，SouthChinaUniversityofTcehnology,Guangzhou510640) Abstract： ThispaperproposesamodelcompensationschemeforMFCCsbasedonrelativeautocorrelationsequences． Experimentalresultsshow thatbyhtepropo sedcompensationschemehteperform~ce ofRAS—MFCCscanbeimprovedundera widerangeofSNR fro differentkindofnoises．W iht htesamecompensationscheme．RAS—MFCCsalsooutperformsMFCCsin low SNRlevels． Keywords： speechrecognition； relativeautocorrelationsqeuences； modelcompensation 模型补偿是另一种在平稳的噪声环境中提高语音识别 1 引言 系统识别率的方法。它根据环境噪声的特性，对干净语音模 如何在噪声环境中保持语音识别系统的性能是语音识 型的参数进行一定的修正，以补偿训练环境和工作环境之间 别技术走 向实用化的一个关键性难题。现有的语音识别系统 的差异，主要包括包括 PMC、vTS等HI。这类方法较好地 尽管能在安静的环境中取得很高的识别率，但当存在环境噪 利用 了环境噪声的特性，通常能取得很好的效果。目前对模 声时，由于训练环境与识别环境的不匹配，其性能会急剧下 型补偿技术 的研究基本上集中在常规的 MFCC特征 4【】和 降，无法满足实际应用的需要。 LPCC特征p上。 在很多情况下，背景噪声和失真的变化相对于语音信号 研究中发现，对于平稳和慢变的加性噪声，虽然在信噪 的变化来说要缓慢得多，并且语音信号的动态部分在语音的 比较高时，特征提取过程中去除信号功率谱或 自相关域中慢 感知中具有很大作用。在语音特征提取的过程中，如果去除 变部分的处理能有效地提高识别率，但当信噪比较低时，这 其慢变部分，则既可以去除平稳和慢变的噪声，同时也保留 类方法的性能并不理想。文献 2【】中提出的RAS-MPCC是这 了语音中对感知重要的动态部分，因此可以提高识别系统在