1、語音識別是指將輸入的語音信號轉化為相應的文本或命令，讓機器聽懂人類的語言。目前，語音識別系統(tǒng)在安靜的實驗室環(huán)境中取得了很好的效果，但在現(xiàn)實應用中，由于背景噪聲的干擾，致使訓練環(huán)境與識別環(huán)境之間出現(xiàn)了不匹配，這種不匹配嚴重降低了系統(tǒng)的識別性能，魯棒性語音識別的目的就是減小這種不匹配對識別系統(tǒng)造成的負面影響。目前提高語音識別系統(tǒng)魯棒性的技術主要從信號空間，特征空間，識別模型空間三個方面進行抗噪聲處理。本文主要針對加性噪聲的影響，給出一種基于

2、組合去噪方法的魯棒性識別技術。
　　本文首先在信號空間，針對小波閾值去噪法，硬閾值函數(shù)處理后信號易產(chǎn)生振蕩，軟閾值函數(shù)處理后信號失真大等問題，綜合軟硬閾值函數(shù)的優(yōu)點給出了一種改進的閾值函數(shù)，改進的閾值函數(shù)不僅連續(xù)性好，而且不存在恒定的偏差。并針對語音信號和噪聲在不同小波尺度下具有不同的奇異性，即語音信號的小波變換系數(shù)的模值隨尺度的增加而增加；噪聲的小波變換系數(shù)的模值隨尺度的增大而減小，給出了一種改進閾值規(guī)則。實驗表明，經(jīng)本文新方法

3、處理后的信號的信噪比有了較大升高，識別系統(tǒng)的魯棒性能得到一定改善。
　　其次，在特征空間，傳統(tǒng)的美頻率倒譜系數(shù)(MFCC)是一種符合人耳聽覺特性的語音特征參數(shù)，在提取MFCC的過程中使用離散傅里葉變換，但離散傅里葉變換在信號的時頻空間使用固定的分析窗，不符合語音信號的非平穩(wěn)特性，而小波變換具有多分辨率分析特性，更符合人耳的聽覺特性。本文基于小波分析給出了一種改進的MFCC參數(shù)。實驗表明，比起原來的MFCC，這種改進的特征參數(shù)較大地

4、提高了系統(tǒng)的識別率，具有更強的魯棒性。
　　最后，由于從單一方面提高語音識別系統(tǒng)魯棒性取得的效果有限，本文結合信號空間和特征空間的抗噪聲技術，并引入小波變換技術，給出了一種基于小波分析的組合去噪法用于提高語音識別系統(tǒng)在噪聲環(huán)境中的魯棒性。在實驗驗證部分，首先基于本文的組合去噪方法搭建了一個小詞匯量、孤立詞的語音識別系統(tǒng)，然后對幾種不同信噪比(噪聲為高斯白噪聲)漢語數(shù)字0～9的發(fā)音信號進行識別，對比分析本文基于組合去噪法的魯棒性語音