李琳山臺灣大學：電信工程學研究所祝伯翰Chu, Po-HanPo-HanChu2007-11-272018-07-052007-11-272018-07-052007http://ntur.lib.ntu.edu.tw//handle/246246/58603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。目 錄 封面………………………………………………………………………………… i 口試委員會審定書………………………………………………………………… ii 誌謝…………………………………………………………………………………iii 中文摘要…………………………………………………………………………… iv 目錄………………………………………………………………………………… v 圖目錄…………………………………………………………………………… vii 表目錄…………………………………………………………………………… viii 第一章 導論………………………………………………………………………… 1 1.1 研究動機………………………………………………………………… 1 1.2 強健性處理方法………………………………………………………… 1 1.3 主要成果………………………………………………………………… 3 1.4 章節摘要………………………………………………………………… 3 第二章 研究背景 ………………………………………………………………… 5 2.1 背景知識………………………………………………………………… 5 2.1.1 倒頻譜平均消去法……………………………………………… 5 2.1.2 倒頻譜正規化法………………………………………………… 6 2.1.3 向量自我迴歸模型……………………………………………… 6 2.2 基礎系統之建立………………………………………………………… 7 2.2.1 語料介紹………………………………………………………… 7 2.2.2 語音特徵參數…………………………………………………… 12 2.2.3 聲學模型以及基礎系統之實驗結果…………………………… 13 2.2.3.1 聲學模型………………………………………………… 13 2.2.3.2 基礎系統之實驗結果…………………………………… 13 2.3 本章結論………………………………………………………………… 16 第三章 應用粒子群演算法於強健式語音辨識………………………………… 17 3.1 粒子群演算法介紹……………………………………………………… 17 3.2 應用粒子群演算法於強健性處理方法………………………………… 24 3.2.1 狀態模型介紹…………………………………………………… 24 3.2.2 粒子群濾波器設計……………………………………………… 26 3.2.3 最小方均差去除雜訊法………………………………………… 30 3.3 本章結論………………………………………………………………… 31 第四章 粒子群演算法的多種不同實作方法…………………………………… 33 4.1 最小方均差去雜訊法(MMSE Denoise)………………………………… 35 4.2 以向量為單位的粒子群演算法………………………………………… 38 4.2.1 隨機撒種法……………………………………………………… 38 4.2.2 向量自我迴歸模型粒子濾波器………………………………… 40 4.3 以個別參數為單位的粒子演算法……………………………………… 42 4.3.1 以個別參數為單位的隨機撒種法……………………………… 44 4.3.2 以個別參數為單位的自我迴歸模型…………………………… 46 4.4 綜合比較………………………………………………………………… 46 4.5 本章結論………………………………………………………………… 48 第五章 延伸式卡式粒子群濾波器……………………………………………… 49 5.1 理論背景………………………………………………………………… 50 5.1.1 用延伸式卡式濾波器取樣(預測)……………………………… 50 5.1.2 應用含有雜訊語料的高斯混和分佈計算比重………………… 52 5.1.3 最小方均差去雜訊法…………………………………………… 52 5.2 實驗結果………………………………………………………………… 53 5.3 本章結論………………………………………………………………… 55 第六章 結論與展望…………………………………………………………………56 6.1 結論……………………………………………………………………… 56 6.2 展望……………………………………………………………………… 55 參攷資料………………………………………………………………58752726 bytesapplication/pdfen-US粒子群演算法追蹤強健性語音去雜訊最小方均差去雜訊法Particle FilterRobust speech recognitionMMSE denoisethesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/58603/1/ntu-96-R94942052-1.pdf