一种用于抗噪语音识别的动态参数补偿新方法

由于假设背景噪声为平稳加性噪声，那么噪声动态特征的均值就可以被近似为零。本文还假设附加的随机变量同语音和噪声的动态特征不相关。这个假设也是DPCM的核心本质假设。由于静态特征与其微分变换量之间是松相关的，所以这个假设是比较合理的。
3．1 均值补偿
依据失配函数(10)和上述假设，对数谱域的带噪语音特征的统计均值为：

其中

参数ti和ωi(i=l～n)是Hermite多项式Hn(t)的横坐标和对应的权值。
3．2 协方差补偿
同样根据(10)和相关假设，可以获得对数谱域的带噪语音特征的协方差补偿算法。

其中

且
附加随机变量Zkl的引入以及附加随机变量与语音和噪声的动态特征不相关假设的使用降低了动态模型补偿问题的求解维数。这种维数的降低同Gauss-Hermite数字积分的应用，使得新的DPCM成为一种十分有效的动态模型补偿方法。

4 算法评估
算法评估实验采用基于孤立字的6状态HMM来做识别器。每个状态有4个高斯密度函数。选取24个MFCC(12个静态特征，12个动态特征)作为语音特征。训练阶段，用纯净语音训练出纯净语音模型。在识别阶段，使用纯净语音模型作为基本模型来识别。
使用TI―digits为算法评估语音库，选用数据库中有16个人(8男8女)的5081个短句，其中包含20个孤立词，数字‘0’到‘9’和10个附加命令如‘go’、‘help’、‘repeate’等。训练集含有641句，测试集包括5081句。算法分析窗口的长度为32ms，帧速率为9．6ms／帧。选取NOISEX-92中的White、Pink和Destoryerengine 3种噪声作为评估的环境噪声。使用200帧非重叠的噪声来估计噪声模型。全局信噪比定义为：

其中Pm(k)是第m帧的纯净语音功率普，N(k)是估计的噪声能量平均谱，H是每句的语音帧数，L是FFT的长度，g是缩放因子让所加的噪声符合指定的全局信噪比。带噪语音由(20)生成。

其中y(i)是带噪语音，x(i)和n(i)分别是纯净语音和噪声。对于文中语音的动态特征参数是依据(21)获得。

为了比较DPCM方法的性能，采用5种识别方法：失配情况下的识别，Log―Add PMC，Log―Normal PMC，以及Log-AddPMC与Log―Normal PMC和DPCM相结合的方法。
图2给出了White Noise环境下Gauss―Hermite积分项数n与识别率及算法复杂度关系。从图中可以看出随着积分项n的增加，两种方法的识别率都没有明显的变化。但是算法的复杂度却随着n的增加而增加。结果说明n=2的Gauss―Hermite积分可以提供足够的计算精度。因此在DPCM 中采用n=2， 即

表1～表3列出的是在不同噪声环境和信噪比条件下的各种算法的识别率。可以看出使用补偿算法的识别率比失配情况下有很大的提高。在-5dB条件下，使用了DPCM的识别方法对各种噪声语音的平均识别率比仅使用Log―Add PMC和Log―NormalPMC的方法有绝对的7．5％和6．6％增加，在0dB情况下绝对增加值分别为8％和7．3％。在信噪比5―10dB下，有含DPCM方法的识别率比其他两种算法仍然有性能上的提高。

表4列出了更新每个状态的4个高斯密度分布中的单个高斯密度分布时，静态均值和方差以及动态均值和方差(注：Log―Add PMC算法只对均值补偿)从倒谱域变化到对数谱域、在对数谱域进行模型补偿、以及从对数谱域变回倒谱域所需的乘法、除法、指数运算以及对数运算的次数。其中N和M分别表示在倒谱域和对数谱域特征的维数。从表中可看出含有DPCM的算法复杂度比其原始算法的复杂度只有轻微的增加。
实验证明了本文的DPCM算法可以处理在不同加性噪声环境下的语音识别任务，并且能够取得比较好的识别效果。性能的提升归功于相对应比较准确的动态模型补偿方法的应用。通过这种方法的使用，含DPCM算法的识别率比目前的PMC算法有较明显的提升。

5 结论
文中提出了一种新的动态特征补偿方法，并给出了反映加性噪声的语音动态特征失配函数，以及在此基础上依据合理的假设，推导出的一系列动态模型参数补偿DPCM的算法公式。并且DPCM算法可以与任意的静态模型补偿算法结合以提高原始算法的识别率。实验结果表明在不同的噪声环境下结合DPCM的PMC算法可以给出比原始PMC算法具有更好的识别率，在低信噪比条件下提升效果更为明显。此外结合DPCM的模型补偿算法的复杂度与原补偿算法的复杂度基本相当，只有轻微的增加。可见DPCM算法是一种非常有效的动态特征补偿算法。