针对复杂语言环境的中国语音增强与自适应识别技术

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Chinese Speech Enhancement and Adaptive Recognition Technology for Complex Language Environments

本研究改进了传统理想二进制掩码（IBM）算法，提出自适应IBM算法，结合深度学习模型构建新语音识别系统。实验表明，改进算法在复杂噪声环境下PESQ评分达3.5596，优于未改进算法（1.9418），且在噪声强度系数>0.008时性能显著提升。

　　

摘要

智能技术的发展也在相关的语音领域取得了快速进展。为了扩大语音识别系统的应用场景，研究人员对传统的语音增强算法（即理想二值掩码（IBM）算法）进行了改进，并将其与未经改进的IBM算法相结合，提出了自适应IBM算法。基于该算法，研究人员构建了一个新的语音识别系统。该系统使用FIR滤波器实现预加重处理，并采用Berouti频谱减法对语音进行预处理。语音增强模型采用深度学习网络模型构建。实验结果表明，在语音质量感知评估（PESQ）中，IBM算法的得分最高，为3.5596，其次是理想比率掩码（IRM）算法，得分为3.3429。当噪声强度系数大于0.008时，改进后的IBM算法表现出较好的性能；而当噪声强度系数大于0.08时，改进后IBM算法的平均得分为2.1079，未经改进的IBM算法的平均得分为1.9418。与原始系统相比，所提出的自适应IBM算法在复杂的语音环境中具有更高的性能。