強健性語音辨識中使用粒子群演算法之前端特徵處理

Abstract

為了使語音可以成為隨時隨地都可以使用的人機介面，探討如何降低環境不匹配對辨識率影響的強健性研究，變成為一個很重要的研究方向。本論文即是藉由在前端對「對數梅爾頻譜能量」的處理，來提升對聲學環境改變的強健性 本論文應用粒子群演算法追蹤在「對數梅爾頻譜能量」上的雜訊，它能夠利用一群粒子模擬雜訊的分佈，並且找到接近真正雜訊的向量，隨之利用最小方均差去雜訊法將追蹤到的雜訊從含雜訊的語音中去除掉。 若要達到準確的預測，粒子群必須要先取樣在真正雜訊的附近，因此我們用三種方法作最初的取樣，1.「隨機撒種法」， 2. 「自我迴歸模型」，3. 「延伸式卡式濾波器」，最後實驗證明「延伸式卡式濾波器」最能預測雜訊的位置。在國際標準測試環境Aurora2之下對各種雜訊及各種訊噪比進行平均，使用「延伸式卡式濾波器」為先前取樣的粒子群濾波器其辨識率為77.77，使用前為60.06；除了地鐵和展覽場雜訊之外，其他各種雜訊環境下的辨識率均獲得有效的提升。