论文部分内容阅读
通过MFFC计算出的语音特征系数，由于语音信号的动态性，帧之间有重叠，噪声的影响，使特征系数不能完全反映出语音的信息。提出一种隐马尔可夫模型（HMM）和小波神经网络（WNN）混合模型的抗噪语音识别方法。该方法对MFCC特征系数利用小波神经网络进行训练，得到新的MFCC特征系数。实验结果表明，在噪声环境下，该混合模型比单纯HMM具有更强的噪声鲁棒性，明显改善了语音识别系统的性能。