吕 勇，吴镇扬

(东南大学信息科学与工程学院，南京 210096)

基于矢量泰勒级数的鲁棒语音识别

吕 勇，吴镇扬

(东南大学信息科学与工程学院，南京 210096)

矢量泰勒级数是一种有效的抗噪声鲁棒语音识别算法.然而在对数谱域，美尔滤波器组的不同通道之间有较强的相关性，因而难以从含噪语音中准确估计噪声的方差.提出了一种基于矢量泰勒级数的倒谱域特征补偿算法.该算法在倒谱域，用一个高斯混合模型描述语音倒谱特征的分布，通过矢量泰勒级数从含噪语音中估计噪声的均值和方差.实验结果表明，此算法能明显提高语音识别系统的性能，优于基于矢量泰勒级数的对数谱域特征补偿算法.

特征补偿；矢量泰勒级数；噪声估计；鲁棒语音识别

在实际应用中，由于训练环境和测试环境的失配，语音识别系统的性能可能会急剧恶化.通常可以从特征域[1-6]和模型域[7-8]2个方面减小环境失配对语音识别系统的影响.特征域方法对语音特征进行归整，提取抗噪能力强的特征参数[1]或对噪声环境下提取的特征向量进行补偿，尽可能将其恢复成纯净语音特征向量[2-6].模型域方法根据测试环境下的少量自适应数据[7]或静音段得到的噪声信息[8]，调整声学模型的参数，使之与测试环境下的特征向量相匹配.

相对于模型域方法，特征补偿具有计算量小，处理时变噪声能力强的优点，因此在噪声补偿中得到了广泛应用.基于模型的特征补偿算法最初由Erell等[2]和 Acero[3]提出，在训练阶段，用一个高斯混合模型(Gaussian mixture model，GMM)描述纯净语音特征的分布；……