應用麥克風陣列技術來提昇語音辨識

Abstract

本論文提供一能提昇語音辨識率的麥克風陣列。利用指向性比一般陣列高的超指向性麥克風陣列（其為端射陣列,endfire array），能夠達到減噪的效果，特別是當噪音在陣列背後的時候。評估表現的客觀參數有三種：指向性因子（directivity index）、前後比（front-to-back ratio）以及不變的波束寬（constant beam-width），利用將上述三種客觀參數最佳化，便能得到設計出超指向性麥克風陣列的濾波器。另一方面，如果噪音並不是在陣列背後的方向，相反地，是在靠近語音訊號的位置，則需使用另一種稱之為相位差評估（phase difference estimation）的演算法來解決這種問題，此方法能在不使語音訊號失真的情況下消除噪音。本研究發現在相位差評估內的ITD threshold 對於語音辨識提昇的效果扮演著重要的角色，因此必須要將其作一最佳化的設計，在此本研究是使用GSS（Golden Section Search）來將其最佳化。此外，音量亦會影響辨識率，因此 也必須要加以控制。如果目標訊號並不是在設計的主軸上，則必須要使用beam-steering 的技術將主波束轉置目標訊號的位置上。最後將會分析實驗結果，並驗證本研究所提出之演算法能夠使語音辨識率大幅提昇。