Abstract
自動語音辨認系統，是一項相當困難的工作。即使近幾年來已經有些不錯的成果，但是其中仍然存在了許多問題。尤其，當自動語音辨認系統用在有雜訊的實際環境時，其辨認率即迅速下降。因此，如何使自動語音辨認系統在雜訊環境下，仍然有不錯的辨認效果，也就是所謂的雜訊之補便成為重要的課題。本論文所研究的方法，平行合併模型，就是基於補償雜訊效應的動機，所提出的一種方法。使用平行合併模型，即使在不同的雜訊環境下，亦可以得到不錯的辨認效果，而且並不需要事先收集雜訊資料。此方法是利用語音與外加雜訊，在線性頻譜領域上，具有線性加成的特性，將語音與雜訊的模型，在線性頻譜領域上合併，然後再利用此合併雜訊模型來進行辨識。實驗結果證明，此方法的確可以有效地改善雜訊下的語音辨認系統。並且，使用平行合併模型，即使在不同的雜訊環境下，亦可以得到不錯的辨認效果。所以，平行合併模型對雜訊具有強健性。在第一章中，我們將會對雜訊下的語音辨認，做一番簡介。在下面的章節中，我們將對合併雜訊模型，做更詳盡的介紹。首先，在第二章中，我們將對合併雜訊模型的理論基礎、公式的推演等細節，詳加描述。然後，在第三章中，我們將敘述實驗的細節，這部份包括有實驗的內容，所用資料庫，以及所用的特徵參數等等。而在第四章中，我們將實驗結果做一番整理與比較，並討論其原因。在第五章中，也就是最後一章，我們將對本研究做一總結。