摘要:
针对归一化方法在连续语音特征曲线调整时存在的问题, 提出一种优化解决方案, 解决了噪声的不稳定性及不可预测性对语音特征的影响. 结果表明, 基于该优化方法建立的鲁棒性连续语音识别模型可实现在实验室干净环境和现实噪音环境下同时得到较好的识别结果.
中图分类号:
刘妍秀, 孙一鸣, 杨华民. 基于归一化算法的噪音鲁棒性连续语音识别[J]. 吉林大学学报(理学版), 2015, 53(03): 519-524.
LIU Yanxiu, SUN Yiming, YANG Huamin. Noise Robust Continuous Speech Recognition Based on Normalization[J]. Journal of Jilin University Science Edition, 2015, 53(03): 519-524.