摘 要

針對噪音環(huán)境下，語音識別率嚴重下降，根據(jù)清濁音發(fā)音原理的不同，提出一種清濁音分離抗噪的語音識別算法。實驗結(jié)果表明，該方法能在噪音環(huán)境下明顯提高語音識別率。

【關(guān)鍵詞】語音識別 清音 濁音 高斯模型 超高斯模型

語音識別技術(shù)就是讓機器接收，識別和理解語音信號，并將其轉(zhuǎn)換成相應數(shù)字信號的技術(shù)。1956年，普林斯頓大學RCA實驗室成功運用模擬電路將識別語音與模板語音進行對比（運算），從而開發(fā)出單音節(jié)識別系統(tǒng)。1959年，英國的Fry和Denes等人共同開發(fā)出一個改進的語音識別器，它能識別出9個輔音和4個元音，同時他們還制定了一些與音素序列有關(guān)的規(guī)則，這標志著人類開始對語音中元音和輔音的分別研究。上個世紀八十年代，一種由馬爾可夫鏈演變而來，并用參數(shù)表示的用于描述隨機過程統(tǒng)計特性的概率模型得到了空前的發(fā)展，目前大部分語音識別系統(tǒng)都是以它作為基本框架來建模，這便是隱馬爾可夫模型（Hidden Markov Model，HMM）。該模型能在安靜環(huán)境中或某種特定噪音環(huán)境中，取得很好的識別效果。但對于復雜的噪音環(huán)境，識別率下降顯著。針對這一弊端，本文提出一種清濁音分離抗噪的語音識別算法，它將清音和濁音進行分離，并針對各自不同的特點分別進行處理。實驗結(jié)果表明，該方法能有效降低噪音，提高噪音環(huán)境下的語音識別率，具有很高的實用性。

1 語音的聲學原理

用數(shù)字技術(shù)來描述產(chǎn)生模擬信號的語音，這一過程稱為語音信號的聲學模型。根據(jù)發(fā)音原理的不同，語音信號分為清音和濁音。清音是發(fā)音時聲帶不振動而與空氣摩擦產(chǎn)生的音。當氣流通過聲門時，如果聲道中某處面積很小，氣流高速沖過此處時產(chǎn)生湍流，當氣流速度與橫截面積之比大于某個臨界速度便產(chǎn)生摩擦音即清音。將發(fā)音時聲帶振動而產(chǎn)生的音稱為濁音，人平時說話以濁音居多。清音由白噪聲序列激勵一個線性系統(tǒng)而產(chǎn)生，這個線性系統(tǒng)僅由激勵源和輻射模型級聯(lián)而成。濁音的產(chǎn)生原理則不一樣，它是由一個周期性的δ脈沖串激勵一個線性系統(tǒng)而產(chǎn)生的輸出，該線性系統(tǒng)由激勵源、聲道模型和輻射模型級聯(lián)而成。清音和濁音的產(chǎn)生過程如圖1所示。

其中，系數(shù)Av和Au分別用來調(diào)節(jié)濁音和清音的幅度和能量。

3 實驗結(jié)果

實驗中，加入一個白噪聲序列，將普通算法，高斯模型抗噪算法與超高斯模型抗噪算法三者進行測試，分別識別不同語音，得到識別率如表1所示。

由表1可知，在白噪音的環(huán)境下，普通算法識別率非常低，不能滿足要求。而高斯模型抗噪算法，識別率明顯上升，能滿足一些要求不高的場合。超高斯模型抗噪算法識別率最高，能基本滿足實際需要。且三種算法，隨著識別語音總量的增加，其識別率都有所下降。

4 結(jié)束語

語音信號按照其發(fā)音原理的不同，可分為清音和濁音，清音靠與空氣摩擦發(fā)音，濁音靠聲帶振動發(fā)音，各自也具有不同的聲學模型。在帶噪音干擾語音識別中，超高斯分布模型考慮到語音信號自身的分布特點，以及人耳對不同頻譜相位的敏感度不同，更加真實地反映出語音頻譜的參數(shù)分布，提高了噪音下的語音識別率。但仍然忽略掉一些高階多項式，而這些多項式在特定場合下是需要考慮的，這正是今后需要進一步研究的。

參考文獻

[1]李云.基于HMM的語音分組識別系統(tǒng)的研究[D].廣州：廣東工業(yè)大學，2013：1-3.

[2]李云.語音分組識別技術(shù)的研究[J].廣東工業(yè)大學學報，2014，31（02）：1-4.

[3]李云.快速語音識別算法的研究[J].信息技術(shù)，2017，17（02）：27-28.

[4]何勇軍.語音識別中寬帶失配的補償研究[J].計算機學報，2011，34（09）：1629-1637.

[5]嚴斌峰.語音識別確認中的置信特征和判定算法[J].軟件學報，2006，17（12）：2547-2553.

[6]袁勝龍.基于深層神經(jīng)網(wǎng)絡(luò)的藏語識別[J].模式識別與人工智能，2015，28（03）：209-213.

[7]楊淑瑩.基于免疫貓群優(yōu)化算法的矢量量化的碼書設(shè)計及語音識別[J].模式識別與人工智能，2014，27（07）：577-583.

[8]崔金鐘.基于DHMM的嵌入式語音識別系統(tǒng)的實現(xiàn)與優(yōu)化[J].電子科技大學學報，2013，42（06）：930-934.

[9]劉曉峰.Logistic核函數(shù)及其在語音識別中的應用[J].華南理工大學學報（自然科學版），2015，43（05）：100-106.

[10]王憲亮.基于SVM一對一分類的語種識別方法[J].清華大學學報（自然科學版），2013，53（06）：808-812.

[11]Zhang Rui.Facilitating the applications of support vector machine by using a new kernel[J]. Expert Systems with Applications，2011，38（11）：14225-14230.

[12]王國勝.核函數(shù)的性質(zhì)及其構(gòu)造方法[J].計算機科學，2006，33（06）：172-174.

[13]Du pei-jun.Wavelet SVM in reproducing kernel Hilbert space for hyperspectral remote sensing image classification[J].Optics Communications，2010，283（24）：4978-4984.

[14]李冠宇.藏語拉薩話大詞表連續(xù)語音識別聲學模型研究[J].計算機工程，2012，38（05）：189-191.

[15]Hinton G E. A Fast Learning Algorithm forDeep Belief Nets.Neural Computation[J].2006，18（07）：1527-1554.

作者簡介

李云（1984-），男，四川省廣漢市人。碩士學位。助教。2013年6月畢業(yè)于廣東工業(yè)大學，現(xiàn)在四川信息職業(yè)技術(shù)學院擔任教師工作。主要研究方向為語音識別，從事語音識別算法研究及語音識別產(chǎn)品開發(fā)。

作者單位

四川信息職業(yè)技術(shù)學院 四川省廣元市 628000endprint