缑新科,徐高鹏

(1.兰州理工大学电气工程与信息工程学院,甘肃 兰州 730050； 2.甘肃省工业过程先进控制重点实验室，甘肃 兰州 730050；3.兰州理工大学电气与控制工程国家级实验教学示范中心，甘肃 兰州 730050)

0 引 言

语音识别系统的鲁棒性一直是语音识别领域研究的重点问题，提高语音识别鲁棒性的方法大致分为2类，一类是基于模型的鲁棒性改善，另一类是通过提取声学特征来提高鲁棒性。声学特征的优劣很大程度上决定了语音识别系统的鲁棒性，因此研究声学特征的提取对提高语音识别系统的抗噪能力有很大的价值。语音鲁棒特征又可以划分为基于统计特性的鲁棒特征和基于听觉机理的鲁棒特征这2大类。

短时修正的相干系数(SMCC)[1]、高斯超向量(GSV)[2]、自相关梅尔倒谱系数(AMFCC)[3]以及i-vector[4]为基于统计特征的几种常见统计鲁棒特征。SMCC和AMFCC常被用来抑制宽带噪音，但它们对于非平稳噪音的抵抗能力不足。GSV是一种基于GMM[5]的语音特征，它继承了高斯混合模型的鲁棒性，而且包含说话人发音个性统计信息，然而在信道畸变的环境噪声下它的鲁棒性不佳。i-vector在GSV的基线上降低了特征的维数，提高了识别的效率。与统计特性的特征不同，基于生物机理的声学特征提取尝试模拟生理器官对语音的感知来描述声学特征，常见的特征有LPCC[6]、MFCC[7]和GFCC[8]。LPCC是线性预测系数(LPC)的倒谱参数，可以较好反映声道特性，但对于频率特性的反映不符合实际。基于MEL谱[9]的MFCC特征考虑了人类听觉系统的基本听觉原理，如频率分辨率和强度感知，却对语音信号高频段的特性描述精度不足。……