没有合适的资源?快使用搜索试试~ 我知道了~
首页基于DSP的非特定人孤立词语音识别:自动模板库与优化算法研究
基于DSP的非特定人孤立词语音识别:自动模板库与优化算法研究
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 13 浏览量
更新于2024-07-02
收藏 1.11MB PDF 举报
本文主要探讨了人工智能领域中的一个重要研究课题——基于数字信号处理(DSP)的非特定人孤立词语音识别系统的设计与实现。随着移动设备和智能家居等应用场景的日益普及,语音识别技术因其便捷性在人机交互中扮演着关键角色。本文的焦点在于如何利用DSP技术来提高在嘈杂环境下对孤立词语的识别性能。 首先,作者采用剑桥大学的HTK工具包创建了一个自动化的语音模板库,这个模板库具有简单的训练过程,且不需额外扩展,这简化了系统的构建流程。通过优化模板库,论文强调了如何接近最优的隐马尔可夫模型(HMM)参数设置,从而提升识别准确度。 接着,文章深入研究了语音信号处理的关键步骤。包括采样、数字化、预加重处理算法,这些技术旨在改善原始信号的质量,减少噪声干扰。特征提取算法,如梅尔频率倒谱系数(MFCC),用于将语音信号转换成可供机器理解的特征向量。然而,由于噪声环境可能使识别率下降,文中还讨论了端点检测算法,这是一个重要的环节,因为它能精确地定位语音信号的开始和结束点,这对于孤立词识别至关重要。 为了应对噪声环境下的识别挑战,作者提出了一种结合了噪声抑制和端点检测技术的方法,以提高识别准确性和鲁棒性。通过细致的实验和分析,论文探讨了这些技术如何协同工作,以降低误识别率,并在实际应用中验证了其有效性。 这篇论文不仅涵盖了语音识别的基本原理和技术细节,还着重展示了如何通过DSP平台优化非特定人孤立词识别,特别是在复杂环境中的性能提升策略。对于从事语音识别技术或DSP应用的科研人员来说,该研究提供了有价值的技术参考和实践经验。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/85803681/bga.jpg)
第二章 语音识别的基本理论的概述
行分帧和加窗。
语音信号的分帧可以采用移动有限长度窗函数的方法,通常我们将每帧的长
度分为 10ms-30ms。为了使连续的两帧之间能够实现平滑的过渡,保持语音信号
连续两帧之间特征参数的相关和它们的过渡性,一般使用交叠分段的方法来实现
这一目的
[17]
。在一段语音信号上面加窗等效于语音信号与一定的窗函数
()
n
ω
来
相乘。
矩形窗和汉明窗是在加窗分帧获得语音信号短时特性过程中最常用的两种
窗函数,其表达式分别如下(N 是帧长):
矩形窗:
1, 0 1
()
0,
nN
n
otherwise
ω
≤
≤−
⎧
=
⎨
⎩
(2-2)
汉明窗:
0.54 0.46cos[2 / ( 1)], 0 1
()
0,
nN nN
n
otherwise
π
ω
−−≤
⎧
=
⎨
⎩
≤−
(2-3)
对于语音信号的时域分析来说,能够恰当的选择合适的窗口至关重要。它会
直接对分析的结果产生影响。在选择窗函数时,两个问题必须予以考虑,即窗口
形状和其长度。
在进行窗口形状选择时,对于上述两种窗函数进行分析可以知道都具有低通
特性,但是就主瓣的宽度而言,汉明窗要是矩形窗宽度的两倍,而且在汉明窗的
通带外衰减特性也要比矩形窗好得多。这些特点,意味着汉明窗对比矩形窗可以
保留更多的细节信息和防止泄漏现象。所以在本系统中选择汉明窗。
第二个问题是窗函数长度的选择。用N来表示窗口程度,它的值既不能太大
也不能过小。在选取的时候我们通常要经过反复的仿真实验,取得一个经验值,
或者根据需要在系统中能根据情况自行进行调节
[18]
。
2.4 语音信号的端点检测
在现实的应用环境下,从信号流中分辨出哪些是语音信号和哪些是无声段
是在语音信号的分析研究中要解决的的一个最基本的问题。端点检测指的就是
从一段含有语音信息的信号中检测出我们感兴趣的语音,包括确定它的起始点
和终点。准确无误的端点检测对于提高识别率往往是至关重要的,它能够帮助
7
![](https://csdnimg.cn/release/download_crawler_static/85803681/bgb.jpg)
第二章 语音识别的基本理论的概述
我们提炼出真正的语音数据,从而减少要存储的数据量和运算量并减少处理时
间
[19]
。在语音信号的端点检测中我们会用到语音信号的两个典型的时域特性:短
时能量和短时平均过零率。
2.4.1 短时能量分析
语音信号的能量随着时间的变化比较明显,一般情况下清音部分的能量比浊
音部分的能量小的多,也就是说语音信号的能量主要集中在浊音部分。这种具有
明显差距性的幅度变化我们可以通过短时能量来描述
[20]
。短时能量的定义如下所
示:
22 2
[( )( )] ( )( ) () ()
n
mm
Exmnm xmhnmxnh
ω
∞∞
=−∞ =−∞
=∑ − =∑ − = ∗ n
(2-4)
公式(2-4)中,
()
(
)
nnh
2
ω
= , 所代表的是以第 n 个点为起始点的短时能
量的计算值。从上面的定义式可以得出,短时能量可以看作对语音信号的进行平
方运算然后经过一个单位冲击响应为
n
E
(
)
nh
的线性滤波器后的输出。如下图所示:
()
x
n
2
()
2
()
x
n
()hn
n
E
图2-3 短时能量的计算过程
2.4.2 短时平均过零率
在语音信号的时域分析的所有特征中,短时平均过零率是其中最简单的。它
就是指信号在平均每帧内穿越零值线的次数。显然,对于模拟信号,我们可以通
过统计这样穿越零值线也就是时间轴的次数来计算它的过零率,但是对于离散信
号而言,这种方法就不再奏效。这时采用的方法是统计语音信号在每个采样点符
号变化的具体情况,来计算其过零率。以正弦信号为例说明这种计算方法,它的
短时平均过零率就等于信号本身的频率除以两倍的采样频率,由此可见,短时平
均过零率能在某个角度反映出频率的某些信息
[21]
。虽然,语音信号要远远的复杂
于这种简单的正弦信号,但共性依然存在,语音信号的频谱性质依然可以通过短
时平均过零率得到一定的反映。短时平均过零率的公式为:
1
1
|sgn[ ( )] sgn[ ( 1)]| ( )
2
1
|sgn[ ( )] sgn[ ( 1)]|
2
n
m
nN
mn
Z
xm xm n m
xm xm
ωω
ω
∞
=−∞
+−
=
=∑ − − −
=∑ − −
(2-5)
8
![](https://csdnimg.cn/release/download_crawler_static/85803681/bgc.jpg)
第二章 语音识别的基本理论的概述
公式(2-5)中,
[
]
sgn ⋅
是符号函数,即:
1, ( ) 0
sgn[ ( )]
1, ( ) 0
xn
xn
xn
≥
⎧
=
⎨
−
<
⎩
(2-6)
短时平均过零率的计算过程如图 2-4 所示。首先依据符号是否变化,对序列
进行成对处理,对是否有过零进行判断,接下来是一阶差分,然后取绝对值;
最后进行低通滤波。
()
nx
()
x
n
n
Z
图2-4 短时平均过零率的计算
2.5 语音信号的特征参数分析
语音信号的特征参数的分析也就是特征提取,目的是获得一组能够表征该段
语音信号的特性的一组数据。特征参数分析的核心思想是经过变换,去掉没用的
信息,获得能代表语音本质的那样的参数。在语音识别中,特征参数的提取是构
成整个语音识别系统的非常重要的一个环节。在语音识别系统中,使用最广泛的
是线性预测倒谱参数 LPCC 和 Mel 倒谱系数 MFCC,本节将对二者的原理进行
详细的介绍。
2.5.1 线性预测倒谱参数 LPCC
首先,介绍一下什么是线性预测,它的基本思想是:通过已知的过去的点来
预测现在或未来的点的值,在这种预测过程中要利用语音样点在时间上前后之间
存在的相关性,也就是指一个语音的抽样可以用若干个过去语音的抽样或者将它
们进行线性组合来对其逼近。然后在一系列规则下使真正的语音抽样值和我们线
性预测得到的抽样值之间的误差最小,最终得到唯一的预测系数。我们认为这组
系数就能够反映语音信号的特征
[22]
。
然而在实际中很少直接使用这种线性预测(LPC),通用的是 LPCC,即线性
倒谱系数。它的优点是完全的去掉了激励信息,而主要集中于对声道响应的反映。
这样就使特征参数的稳定性得以提高。LPCC 参数确实较好的描述了声道特征,
但对于语音的其它特征却被忽略。然而,值得我们高兴的是,有一个参数它既考
9
剩余57页未读,继续阅读
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
programhh
- 粉丝: 8
- 资源: 3817
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- AirKiss技术详解:无线传递信息与智能家居连接
- Hibernate主键生成策略详解
- 操作系统实验:位示图法管理磁盘空闲空间
- JSON详解:数据交换的主流格式
- Win7安装Ubuntu双系统详细指南
- FPGA内部结构与工作原理探索
- 信用评分模型解析:WOE、IV与ROC
- 使用LVS+Keepalived构建高可用负载均衡集群
- 微信小程序驱动餐饮与服装业创新转型:便捷管理与低成本优势
- 机器学习入门指南:从基础到进阶
- 解决Win7 IIS配置错误500.22与0x80070032
- SQL-DFS:优化HDFS小文件存储的解决方案
- Hadoop、Hbase、Spark环境部署与主机配置详解
- Kisso:加密会话Cookie实现的单点登录SSO
- OpenCV读取与拼接多幅图像教程
- QT实战:轻松生成与解析JSON数据
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)