论文部分内容阅读
随着我国社会生活水平的提高，汽车产业快速发展，越来越多的汽车进入了平常百姓的生活当中，嵌入式语音识别技术在汽车车载电子中的应用也日益受到业界的关注。但是，由于国外技术垄断等原因，我国嵌入式平台下的车载语音识别技术还处于关键技术研究阶段，研究车载环境下的语音识别技术，将是汽车电子技术主要研究方向之一，具有重要的理论意义和应用价值。而在实际应用中，由于车载噪声的存在，严重影响着语音识别系统的识别性能，因此本文在基于小波分析技术的基础上，重点对语音增强算法和特征提取算法进行了研究，并设计实现了相应的嵌入式语音识别平台，其主要内容如下:
1.综述了语音识别技术和嵌入式下语音识别技术的发展情况，并对现有的嵌入式语音识别技术中存在的一些问题进行了分析，简要说明了语音增强技术和特征算法作为一种手段对语音识别性能的影响，重点介绍了现有的基于小波分析的语音增强算法和特征算法。
2.利用小波分析具有时-频局部化分析的突出优点，提出了基于自适应阈值算法的频带分段时变阈值算法。该算法对信号小波分解各尺度上的系数进行分段阈值求取处理，通过噪声的时频包络趋势对各段的信噪比和调节因子进行估计，并设置了上下临界值来区分噪音段和语音段，最后结合听觉掩蔽效应原理确定当前段阈值。实验结果表明，新算法在改善语音质量方面有所提升，并且减少了时间开销。
3.在小波分析技术的基础上，利用语音信号的自相关处理可以减少噪声影响，并结合加权带通滤波器分析技术，提出了基于小波包变换的加权语音特征参数，该特征参数用小波包变换来模拟人耳的听觉特性，其根据临界带宽的划分与MEL滤波器组在频带上的分布，选择合适的小波包频带使其更好地符合人耳基底膜的频率分析特性。并同时利用加权带通滤波器分析技术来抑制在强噪声和信道干扰下信号的波动，来提高语音识别系统的识别性能。
4.设计并实现了基于DSP+STM32的嵌入式语音识别系统，在此基础上对语音增强和特征提取算法进行了系统测试，验证本文提出的语音增强和特征提取算法能够有效的抑制汽车噪声，提高系统的识别率。