基于虛擬儀器的語音識別算法研究-免費(fèi)閱讀

　　

【正文】 2. 結(jié)合 LABVIEW 開發(fā)平臺的特點(diǎn)，對語音特征參數(shù)提取算法進(jìn)行改進(jìn)，提高了計(jì)算效率，減少了識別時(shí)間。第六章 總結(jié)與展望 總結(jié)本文研究的具體實(shí)現(xiàn)如下：(1) 把計(jì)算機(jī)內(nèi)部自帶的聲卡作為本次設(shè)計(jì)系統(tǒng)的數(shù)據(jù)采集卡，充分應(yīng)用了虛擬儀器的聲音信號數(shù)據(jù)實(shí)時(shí)采集分析的功能。 MFCC特征參數(shù)的提取的實(shí)現(xiàn)過程 模板的建立與讀取 建立模板建立模板是把語音信號的特征參數(shù)轉(zhuǎn)化為相應(yīng)的二進(jìn)制文件，并把生成的二進(jìn)制文件轉(zhuǎn)化為相應(yīng)的MFCC數(shù)組，進(jìn)行顯示。 語音信號實(shí)時(shí)采集、消噪的實(shí)現(xiàn)過程 語音信號的預(yù)處理語音信號的預(yù)處理主要包括語音信號的采集、消噪、預(yù)加重以及端點(diǎn)檢測，在其運(yùn)行過程中須調(diào)用語音信號采集程序。(3) 對待測的語音信號能夠準(zhǔn)確的檢測出有效語音信號的起止端點(diǎn)。在基于模式匹配的語音識別中，原始語音要經(jīng)過訓(xùn)練，產(chǎn)生一系列的特征模板，隨后存儲在特征模板庫中，然后將待識別語音通過相似度量，最后得到識別結(jié)果。 神經(jīng)網(wǎng)絡(luò)的方法一般而言，針對小詞匯量、孤立詞和特定人的語音識別系統(tǒng)采用模板匹配的方法就可以達(dá)到很好的效果。IBM公司的Via Voice中文語音識別系統(tǒng)就是VQHMM 混合模式的典范，類似的國內(nèi)產(chǎn)品還有方正友文系統(tǒng)和Dutty++語音識別系統(tǒng)。不同的劃分或不同的代表矢量選取方法可以構(gòu)成不同的矢量量化器。 矢量量化 VQ矢量量化(Vector Quantization)是一種重要的信號壓縮方法。HMM可分為兩部分，一個(gè)是Markov鏈產(chǎn)生的輸出為狀態(tài)序列。HMM方法現(xiàn)已成為語音識別的主流技術(shù)，目前大多數(shù)大詞匯量、連續(xù)語音的非特定人語音識別系統(tǒng)都是基于HMM模型的。參考模板可以表示為：，其中 M 為參考模板所包括的語音幀的總數(shù)，m 為語音幀的時(shí)序標(biāo)號，R（m）為第 m幀的語音特征矢量。60年代提出的動態(tài)時(shí)間規(guī)整算法(DTW：Dynamic Time Warping)。在運(yùn)用模板匹配方法的時(shí)候，一般要經(jīng)過四個(gè)步驟：特征提取、模板分類、模板訓(xùn)練和判決。 (212)式中 c、d 為一幀語音的參數(shù)，k 一般取常數(shù) 2，用(212)式求得的參數(shù)就是美爾頻率倒譜一階差分參數(shù) [13]，將 n 階差分參數(shù)帶入(212)式計(jì)算就得到 n+1 階差分參數(shù)，實(shí)際應(yīng)用中根據(jù)需要計(jì)算多階差分參數(shù)。線性預(yù)測倒譜系數(shù)（LPCC）去掉了語音產(chǎn)生過程中的激勵(lì)信息，主要反映聲道特性，計(jì)算量小。經(jīng)過這樣的處理，就可以得到說話人的語音特征參數(shù)，為下一步說話人識別系統(tǒng)的構(gòu)建做好了鋪墊。端點(diǎn)檢測的短時(shí)能量法語音信號的短時(shí)能量反映了語音信號幅度隨時(shí)間的變化，計(jì)算公式為[12]： (210)亦可表示為： (211) 其中。在靜音段，如果過零率或能量超過了低門限，則開始標(biāo)記為起始點(diǎn)，隨后進(jìn)入到過渡段。實(shí)際應(yīng)用中，末點(diǎn)的誤差不會明顯地影響識別結(jié)果。 語音信號預(yù)處理語音信號的預(yù)處理過程一般包括預(yù)加重處理、分幀處理、加窗處理、端點(diǎn)檢測幾個(gè)部分， 描述了整個(gè)預(yù)處理過程。另一方面抑制50Hz的電源產(chǎn)生的工頻干擾。下面根據(jù)語音識別的過程，分別介紹各個(gè)過程的關(guān)鍵技術(shù)和基本理論，預(yù)處理和語音自動分割算法以及三種語音特征參數(shù)提取技術(shù)。 所示，主要分為信號預(yù)處理、特征參數(shù)提取、模式匹配和參考模板庫幾個(gè)單元。第四章介紹了非特定人連續(xù)語音識別系統(tǒng)的實(shí)現(xiàn)問題，介紹了系統(tǒng)的具體設(shè)計(jì)步驟，及其模板的建立與讀取，并對試驗(yàn)結(jié)果進(jìn)行了分析。3．當(dāng)使用M文件編輯器調(diào)試并保存文件時(shí)，或在MATLAB指令窗中運(yùn)行M文件時(shí)?！癒eyboard amp。具體方法是：選中菜單項(xiàng)[File：Page setup]，引出一個(gè)頁面設(shè)置對話框，該對話框可以對版面布局（Layout）、版頭（Header）、字體（Fonts）等參數(shù)進(jìn)行設(shè)置。（3）與在指令窗中直接運(yùn)行質(zhì)量一樣，腳本文件運(yùn)行時(shí)產(chǎn)生的變量都駐留在MATLAB基本工作空間中。（2）開放式的體系結(jié)構(gòu) 除了內(nèi)部函數(shù)外，所有的MATLAB主包文件和各工具包文件都是對用戶開放的源程序文件，用戶可以通過修改源程序文件來構(gòu)成新的適合自己使用的專用工具包。（3）I/O接口儀器驅(qū)動程序的設(shè)計(jì)I/O接口儀器驅(qū)動程序是控制硬件設(shè)備的驅(qū)動程序，也是連接主控計(jì)算機(jī)與儀器設(shè)備的紐帶。虛擬儀器的構(gòu)成，： 虛擬儀器的構(gòu)成LABVIEW軟件工具的特點(diǎn)可歸納為：（1）圖形化的編程方式，無須寫任何文本格式的代碼，是真正的工程師語言。使用者只要用鼠標(biāo)點(diǎn)擊虛擬面板，就可以操作這臺計(jì)算機(jī)系統(tǒng)硬件平臺，就如同使用一臺專用的測量儀器。清華大學(xué)電子工程系研究的語音識別系統(tǒng)以 1183 個(gè)單音節(jié)詞作為識別單元，它采用的是分段概率的模型，對詞的組成音節(jié)進(jìn)行仔細(xì)的分解，最后用搜索匹配算法來計(jì)算整體的識別率，使二字詞和三字詞的識別率達(dá)到 %。90 年代以前，語音識別系統(tǒng)主要是在實(shí)驗(yàn)室中進(jìn)行的。這使得孤立詞發(fā)音和孤立詞發(fā)音的識別技術(shù)成為可行的生活實(shí)用技術(shù)。起初，語音識別是通過人工分析語譜圖而進(jìn)行識別的。該系統(tǒng)也可稱為家庭幼兒輔導(dǎo)老師及中小學(xué)教育不可或缺的輔助工具。（3）語音識別技術(shù)在扶殘扶弱方面的應(yīng)用為了幫助殘疾人士由于肢體功能方面的缺陷而引起的動作不便，運(yùn)用語音識別系統(tǒng)，則能對其給予一定的方便。它與自動撥號，健康和福利，生命支持系統(tǒng)和其他實(shí)際應(yīng)用相互銜接，直接控制商業(yè)，制造業(yè)，金融業(yè)，運(yùn)輸業(yè)，旅游業(yè)，公安消防等工業(yè)生產(chǎn)部門和應(yīng)用領(lǐng)域，該技術(shù)的日益成熟有望成為下一代的操作系統(tǒng)和應(yīng)用程序的用戶界面。 Followed, this paper realizes automatically speech signal acquisition , and uses multithread of LABVIEW to calculate the feature parameters in aparallel way and short 1/4 of the calculating time which improve the efficiency of the feature functional testing。在這里我們利用MATLAB 中的小波工具包，實(shí)現(xiàn)了利用小波的方法對含有雜聲的語音信號進(jìn)行噪聲消除的工作。利用筆記本自帶的聲卡進(jìn)行語音信號的采集，接著對語音信號進(jìn)行數(shù)字化的轉(zhuǎn)換后再做進(jìn)一步的處理。關(guān)鍵詞 ：語音識別；LABVIEW；聲卡；小波消噪；特征提取The speech recognition algorithm based on virtual instrumentAbstractWith the rapid development of technology, intelligent human and machine interfaces are used in appliances in people39。 本文的應(yīng)用背景和研究意義語音識別技術(shù)是現(xiàn)代高科技信息領(lǐng)域的研究熱點(diǎn)，對于信號處理的研究，從理論的產(chǎn)生到專業(yè)產(chǎn)品的系統(tǒng)開發(fā)應(yīng)用已經(jīng)經(jīng)歷了數(shù)十年，終于獲得了極大的突破。另一個(gè)例子是，利用語音識別的自動訂票系統(tǒng)，只要站在預(yù)訂系統(tǒng)前，說出搭乘的時(shí)間和地點(diǎn)，系統(tǒng)便會自動顯示出符合要求的車費(fèi)、班次和車票銷售的記錄，根據(jù)實(shí)際情況，用戶可以做出最佳的選擇。當(dāng)車在開啟時(shí)，只要告訴它繼續(xù)行駛和目前的位置，就能夠順利地行使到目的地。再有，在司法刑偵檢測時(shí)，犯罪嫌疑人的聲音也可以作為破案的重要線索，因?yàn)槊總€(gè)人說話的聲音是不一樣的，語音數(shù)據(jù)將會和 DNA測試結(jié)果一起作為證據(jù)，這種方法已經(jīng)得到了法律上的認(rèn)可。這期間出現(xiàn)了語音識別的幾個(gè)重要的思想，前蘇聯(lián)研究人員 Vintsyuk 提出使用動態(tài)規(guī)劃來對齊兩個(gè)長度不同的語音音段。識別的方法也逐漸從最初的模板匹配方法轉(zhuǎn)變到了統(tǒng)計(jì)模型方法，其中典型的統(tǒng)計(jì)方法代表是隱馬爾可夫模型，由于這種方法在結(jié)構(gòu)、參數(shù)和訓(xùn)練方法的選擇上有很大的靈活性，逐漸成為了語音識別技術(shù)的主流。國內(nèi)的語音識別研究開始于 50 年代后期，中科院聲學(xué)所利用頻譜分析的方法成功研究出漢語的10個(gè)元音的語音識別， 70 年代后期，研究出了基于模板匹配的孤立詞語音識別系統(tǒng)。虛擬儀器（Virtual Instrument，簡稱VI）是現(xiàn)代計(jì)算機(jī)技術(shù)和儀器技術(shù)相結(jié)合的產(chǎn)物，是目前計(jì)算機(jī)輔助測試（CAT）領(lǐng)域的一項(xiàng)重要技術(shù)。（5）虛擬儀器開放、靈活，可與計(jì)算機(jī)同步發(fā)展，可與網(wǎng)絡(luò)及其它周邊設(shè)備互聯(lián)。（6）提供大量與外部代碼或軟件進(jìn)行連接的機(jī)制，諸如DLLs（動態(tài)連接庫）、DDE（共享庫）、ActiveX 等。同時(shí)MATLAB為用戶提供了豐富而實(shí)用的資源，它涵蓋了許多門類的科學(xué)研究，如控制、通信、數(shù)學(xué)、經(jīng)濟(jì)、地理、數(shù)字信號處理和數(shù)字圖像處理等。設(shè)計(jì)M腳本文件就是用來解決這個(gè)矛盾的。點(diǎn)擊MATLAB桌面上的“”圖標(biāo)，或選中菜單項(xiàng)[File：Open]，可引出Windows平臺上標(biāo)準(zhǔn)的“Open”文件選擇對話框，通過常規(guī)的工具條操作，找到待打開文件所在文件夾，點(diǎn)選那個(gè)文件名后，再點(diǎn)擊[打開]鍵，即可引出相應(yīng)文件夾的M文件編輯器。具體方法是：選中菜單項(xiàng)[File：Preferences],引出一個(gè)參數(shù)設(shè)置對話框；展開彈出對話框左欄中的“Editor/Debugger”項(xiàng)，出現(xiàn)以下4個(gè)子項(xiàng)：“Font amp。2．腳本文件第一行中的注釋文件名一般與實(shí)際存放在目錄上的文件名相同。本文共分為六個(gè)章節(jié)，具體結(jié)構(gòu)如下：第一章介紹了語音識別的學(xué)科背景與研究的發(fā)展歷程，歷史意義，本設(shè)計(jì)的軟件平臺以及本文選題的依據(jù)和內(nèi)容安排。本章主要介紹語音識別基本技術(shù)。對于識別參數(shù)的訓(xùn)練，根據(jù)識別方法的不同運(yùn)用不同的訓(xùn)練方案，參考模板的特征參數(shù)一般是離線計(jì)算并存儲起來的，為此，在系統(tǒng)使用前事先要錄入一些已知信號，通過提取它們的特征參數(shù)矢量序列，根據(jù)不同的識別方法進(jìn)行訓(xùn)練，作為參考模式，這個(gè)過程就叫做訓(xùn)練過程。 本文采用筆記本電腦自帶的聲卡進(jìn)行語音信號的采集，此次設(shè)計(jì)采集的語音信號以8KHz，16位，單通道格式錄入存儲，得到需要的*.wav文件。語音信號的聲波通過麥克輸入到聲卡后就可直接獲得離散的數(shù)字信號，該信號是經(jīng)過防混疊濾波、A/D變換、量化處理的。 （22）預(yù)加重的物理意義是，通過數(shù)字濾波增加一個(gè)零點(diǎn)，信號的頻譜變得平坦而且各共振峰幅度接近，即高頻部分得到提升，語音中聲道部分得到強(qiáng)化，所提取的特征更能符合原聲道模型，有利于語音信號的識別。窗函數(shù)為 w( m )，一般形式為： （23）其中 N 為窗長，即每幀語音信號所含有的樣本數(shù)量，ψ[]是在原信號上的某種變換，線性或者非線性，當(dāng)時(shí)， 為短時(shí)平均能量；當(dāng)時(shí)，為短時(shí)平均過零率。 漢明窗時(shí)域波形與頻譜圖 端點(diǎn)檢測語音端點(diǎn)檢測是從一段語音信號中計(jì)算真正語音信號的起始點(diǎn)和終止點(diǎn)，來獲得真正語音信號的方法。如果當(dāng)前狀態(tài)處于語音段時(shí)，兩個(gè)參數(shù)的數(shù)值也降低到低門限以下，且最短時(shí)間門限也大于總的計(jì)時(shí)長度，那么就認(rèn)為這是一段噪音，繼續(xù)掃描以后的語音數(shù)據(jù)。離散時(shí)間情況下，如果相鄰的抽樣具有不同的代數(shù)符號，也就是相鄰抽樣的代數(shù)符號不同就稱為發(fā)生了過零。 語音信號的特征參數(shù)提取語音信號的特征參數(shù)選取是說話人識別系統(tǒng)中的一個(gè)重要部分，不同的語音特征參數(shù)對說話人識別系統(tǒng)性能有不同的影響。通常將這種組合參數(shù)用于說話人識別系統(tǒng)中，能得到較好的識別效果。因?yàn)槿说穆犛X系統(tǒng)是一個(gè)很好的語音識別系統(tǒng)，對不同頻率的聲音有較好的分辨能力，而 MFCC 又是基于人耳聽覺特性的參數(shù)，能夠充分利用人耳這種感知特性并結(jié)合語音產(chǎn)生機(jī)理，在說話人識別系統(tǒng)中得到了廣泛的應(yīng)用。圖 說話人的美爾特征參數(shù)提取部分截圖說話人的原始語音信號經(jīng)過上述兩大部分的相關(guān)處理后，得到了包含說話人語音特征的多個(gè)特征向量，這些向量之間有一定的相關(guān)性，能更好地表征說話人的語音特性，為說話人識別系統(tǒng)的建立奠定了基礎(chǔ)。所謂端點(diǎn)檢測就是在語音信號中檢測出的各種段落(如音素、音節(jié)、詞素)的起點(diǎn)和終點(diǎn)的位置，從語音信號中排除無聲段。動態(tài)時(shí)間規(guī)整(Dynamic Time Warping)是語音識別中較為經(jīng)典的一種算法，又由于DTW算法其本身既簡單又有效,因此在許多特定的場合下得到了廣泛的應(yīng)用。為了簡單和便于處理，通常適用歐氏距離(歐基里德距離)或其變形來進(jìn)行度量。在該模型中，馬爾可夫鏈中的一個(gè)狀態(tài)轉(zhuǎn)移到另一個(gè)狀態(tài)與否取決于該狀態(tài)的統(tǒng)計(jì)特性(或狀態(tài)轉(zhuǎn)移概率)，而某一狀態(tài)產(chǎn)生的觀察值也取決于該狀態(tài)生成語音觀察值的概率(狀態(tài)生成概率)。在基于 GMM 的說話人識別系統(tǒng)中，訓(xùn)練階段首先用高斯混合模型為系統(tǒng)中的每個(gè)說話人建立概率模型；在識別階段，利用系統(tǒng)中所有人的 GMM 模型計(jì)算待識別矢量積的對數(shù)似然函數(shù)，根據(jù)最大似然準(zhǔn)則做出判決。設(shè)有N個(gè)K維特征矢量（X在K維歐幾里德空間中），其中第 i 個(gè)矢量可以記為： （31）它可以被看作是語音信號中某幀參數(shù)組成的矢量。FSVQ和LVQ2技術(shù)在孤立詞和連續(xù)語音的漢語語音識別中也得到應(yīng)用，但沒有DTW技術(shù)和HMM技術(shù)普遍。把語音信號分成按時(shí)間離散的語音段，每小段對應(yīng)一個(gè)或幾個(gè)語音基元的聲學(xué)特性，然后再根據(jù)相應(yīng)的聲學(xué)特性對每個(gè)小分段的語音與給出的語音進(jìn)行比對，按照相近的做標(biāo)號。但是，它的訓(xùn)練和識別時(shí)間太長，而且ANN對語音信號的時(shí)間動態(tài)特性不能進(jìn)行很好的描述，由于這些缺點(diǎn)，仍然處于實(shí)驗(yàn)探索的階段。下面將具體介紹該系統(tǒng)的實(shí)現(xiàn)過程并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。： 非特定人連續(xù)語音識別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 語音信號的實(shí)時(shí)采集與小波消噪處理 對原始語音信號進(jìn)行實(shí)時(shí)采集以及消噪處理，與此同