23、深度学习语音识别中的鲁棒特征研究

深度学习语音识别中的鲁棒特征研究

1. 鲁棒特征提取方法

1.1 NMC 特征提取

NMC（Normalized Modulation Cepstral）特征提取从语音窄带信号开始，其核心在于估计的 AM 信号对噪声具有鲁棒性。具体步骤如下：
1. 预加重 ：使用预加重滤波器对语音信号进行处理。
2. 加窗分析 ：采用 26ms 的 Hamming 窗，以 10ms 的帧速率对信号进行分析。
3. 滤波处理 ：将加窗后的语音信号 sw[n] 通过一个 40 通道的 gammatone 滤波器组，频率范围为 200 - 7500Hz（针对 16kHz 信号）。
4. AM 信号获取 ：使用修改后的 DESA 算法，为每个通道获取 AM 时间信号 ak;j[n]。
5. 归一化与去偏 ：对 AM 功率进行归一化，然后使用类似方法进行去偏处理。
6. 功率压缩 ：对去偏后的 AM 功率谱进行 15 次根功率压缩，得到的结果即为 NMC 特征集。

1.2 MMeDuSA 特征提取

MMeDuSA（Modulation of Medium Duration Speech Amplitudes）特征提取基于简化的瞬时 AM 信号估计方法，具体步骤如下：
1. 预加重与加窗 ：对语音信号进行预加重，然后使用 51ms 的 Hamming 窗，以 10m