邓丽君 王涛

摘要：

语音识别系统的关键在于噪声的处理，主要包含两个阶段，即基于阈值的噪声检测和降噪处理，主要用于英语等语言的自动识别处理。在噪声检测阶段，系统基于所收集的语音的信噪比（SNR）值自动确定何时提高语音质量;在降噪处理阶段，采用独立分量分析（ICA）和子空间语音增强（SSE）来降低噪声。通过实验证明增强语音的SNR值超过接收到的噪声语音的SNR值约20dB至25dB，降噪程序将语音识别率提高了约15%至25%，因此该系统能够降低噪声对多种噪声环境的影响，提高语音质量，达到英语语音识别的目的。

关键词：

语音识别系统; 噪声检测; 降噪处理; 独立分量分析; 语音增强

中图分类号： TP 393

文献标志码： A

Research on English Speech Automatic Recognition System Based on Threshold

DENG Lijun1， WANG Tao2

（1. School of Aviation Management Department， Xian Aeronautical Polytechnic Institute，Xian， Shanxi 710089， China;

2. Internet Information Center， Xian Aeronautical University，Xian， Shanxi  710089， China）

Abstract：

The key to speech recognition system lies in the processing of noise. It mainly consists of two stages， namely thresholdbased noise detection and noise reduction processing for automatic recognition processing in English and other languages. During the noise detection phase， the system automatically determines the time to improve speech quality based on the signaltonoise ratio （SNR） value of the collected speech; in the noise reduction processing phase， independent component analysis （ICA） and subspace speech enhancement （SSE） are used to reduce noise. It is proved by experiments that the SNR value of the enhanced speech exceeds the SNR value of the received noise speech by about 20dB to 25dB， and the noise reduction program increases the speech recognition rate by about 15% to 25%， so the system can reduce noise for various noise environments. The impact of improving voice quality achieves the purpose of English speech recognition.

Key words：

speech recognition system; noise detection; noise reduction processing; independent component analysis; speechenhancement

0引言

自动语音识别（Automatic Speech Recognition，ASR）提供了用户友好的交互方式，有效地将命令或请求传送到人机界面的设备。这些设备可以自动分析接收到的数据，并采用识别结果一致的方式反馈用户。近年来，对ASR的研究考虑了许多场景和应用，许多文献都涉及智能人机交互的ASR[1]，当ASR系统用于真实环境中，特别是噪声环境时，环境噪声会严重影响语音质量，同时环境噪声会影响语音的信号分量，并对识别结果产生较大表示。为了解决噪声问题，学者们已经开发了许多减轻噪声对ASR发展影响的方法[2]。

为了使ASR系统在嘈杂环境中更加稳健，近年来人工神经网络（ANN），特别是深度神经网络（DNN）的方法已广泛应用于ASR的语音增强。 DNN的目标是实现复杂的非线性数值函数，用于将嘈杂语音的对数似然谱特征直接映射到相应的干净语音中。……