庄 培，李忠新

(南京理工大学 机械工程学院， 南京 210094)

当前，语音识别在军事领域的应用愈加广泛，语音识别技术使得军事通信与战争决策更加迅捷、可靠，从而掌握战争的主动权。但在以往的军用语音识别系统中，都侧重于无噪音或弱噪音环境下的语音分析识别，并未关注强噪音干扰下装备的鲁棒性[1-2]。在实际使用中，军用语音识别系统应用场景恶劣，战场噪音会严重影响语音识别的准确率，导致作战任务的失败。枪声是战场较为典型的强噪声干扰，根据试验测试，枪械造成的噪声可以达到100 dB，个别枪声甚至可以达到150 dB，在这种环境下进行侦查、作战的装备会受到极大干扰，需要具备强大的语音降噪能力，能准确区分噪音与指令，完成对指令的精确识别。因此，有必要研究枪声特性，并据此提出有效的降噪方法，以便语音识别系统能适应战场恶劣的语音环境。

枪声背景下的语音系统运行离不开语音降噪过程，语音降噪的主要目的是从带噪语音中提取出尽可能纯净的原始语音，提高语音识别率。常见的语音降噪算法有自适应滤波[3]、维纳滤波[4]、深度神经网络[5]等，其中自适应滤波算法是最经典且成熟的降噪方法，适合处理局部平稳的噪音信号。自适应滤波器利用前一时刻的已知结果，自动调节现在时刻的参数，适用于噪声未知的随机特性。最小方均(Least Mean Square，LMS)自适应算法就是最典型的自适应滤波法，以最优化的数学算法调节脉冲响应，得到最佳输出信号[6]。……