一種改進的最小均方誤差的語音功率譜估計算法
大小：0.90 MB 人氣： 2017-12-08 需要積分：1
針對語音識別系統(tǒng)在噪聲環(huán)境下不能保持很好魯棒性的問題，提出了一種切換語音功率譜估計算法。該算法假設語音的幅度譜服從Chi分布，提出了一種改進的基于最小均方誤差（MMSE）的語音功率譜估計算法。然后，結合語音存在的概率（SPP），推導出改進的基于語音存在概率的MMSE估計器。接下來，將改進的MSME估計器與傳統(tǒng)的維納濾波器結合。在噪聲干擾比較大時，使用改進的MMSE估計器來估計純凈語音的功率譜，當噪聲干擾較小時，改用傳統(tǒng)的維納濾波器以減少計算量，最終得到用于識別系統(tǒng)的切換語音功率譜估計算法。實驗結果表明，所提算法相比傳統(tǒng)的瑞利分布下的MMSE估計器在各種噪聲的情況下識別率平均提高在8個百分點左右，在去除噪聲干擾、提高識別系統(tǒng)魯棒性的同時，減小了語音識別系統(tǒng)的功耗。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種改進的最小均方誤差的語音功率譜估計算法下載
相關電子資料下載
- 語音識別和自然語言處理的區(qū)別和聯(lián)系 127
- 遞歸神經(jīng)網(wǎng)絡結構形式主要分為 129
- 簡述遞歸神經(jīng)網(wǎng)絡的計算過程 135
- 人工神經(jīng)網(wǎng)絡模型訓練的基本原理 130
- 遞歸神經(jīng)網(wǎng)絡主要應用于哪種類型數(shù)據(jù) 208
- 遞歸神經(jīng)網(wǎng)絡的結構、特點、優(yōu)缺點及適用場景 184
- 循環(huán)神經(jīng)網(wǎng)絡的缺點是存在什么問題 158
- bp神經(jīng)網(wǎng)絡和反向傳播神經(jīng)網(wǎng)絡區(qū)別在哪 104
- Transformer模型在語音識別和語音生成中的應用優(yōu)勢 387
- 自然語言處理技術的核心是什么 156