基于时/频ICA的PMC模型卷积噪声估计方法研究

吕　钊，张贝贝，张　超

(1. 安徽大学 计算机科学与技术学院,安徽 合肥 230601；2. 安徽大学 信息保障技术协同创新中心,安徽 合肥 230601)



基于时/频ICA的PMC模型卷积噪声估计方法研究

吕钊1,2，张贝贝1，张超1,2

(1. 安徽大学 计算机科学与技术学院,安徽 合肥 230601；2. 安徽大学 信息保障技术协同创新中心,安徽 合肥 230601)

为提高卷积环境下语音识别系统的鲁棒性，提出了一种基于时/频ICA(independent component analysis)的卷积噪声模型估计方法.所提算法首先使用ICA方法从含噪语音信号中提取纯净语音信号的短时功率谱，然后在MEL滤波器组域内将含噪语音的短时谱减去纯净语音的短时谱，并根据去噪后卷积噪声的短时谱估算其HMM(hidden markov model)模型.在仿真和真实环境下进行了语音识别实验，其识别正确率相比较传统的卷积噪声估计方法分别提升了4.70%和4.75%.实验结果表明，论文所提算法能够实现对卷积噪声的精确估计，并有效提升卷积噪声环境下语音识别系统的性能.

语音；独立分量分析；PMC(parallel model combination)模型；卷积噪声

众所周知，对语音识别系统而言，在噪声环境下，使用由纯净语音所训练的语音识别器进行识别时，其性能会显著下降，甚至无法识别，这是因为环境的改变使训练模型与测试模型产生了失配.为了克服这种现象，研究者们最初曾尝试手工录制测试环境中的噪声信号，并将其与训练时所使用的纯净语音进行叠加，然后对这种混合后的信号建立模型.可以看出，这种做法优点是简单、易行，然而，缺点也是显而易见的：1)识别时的噪声环境与事先所录制的噪声环境不可能完全相同，这将限制系统的识别正确率；……