基于虛擬儀器的語(yǔ)音識(shí)別算法研究(存儲(chǔ)版)

　　

【正文】 時(shí)，對(duì)小波消噪和濾波器消噪的優(yōu)劣進(jìn)行了分析比較，得到了語(yǔ)音信號(hào)不同的特性圖形。設(shè)置語(yǔ)音庫(kù)中每個(gè)語(yǔ)音信號(hào)進(jìn)行MFCC特征參數(shù)提取，對(duì)其隨機(jī)進(jìn)行賦值，并建起轉(zhuǎn)化為相應(yīng)的數(shù)組形式進(jìn)行輸出顯示，為識(shí)別提供匹配參考模板。 語(yǔ)音信號(hào)的讀取模板。(5) 本設(shè)計(jì)系統(tǒng)通過(guò)分析說(shuō)話人聽(tīng)覺(jué)非線性特性和聲道特性，最后決定選擇美爾倒譜系數(shù)及其差分美爾倒譜系數(shù)(MFCC)作為說(shuō)話人識(shí)別的特征參數(shù)。但是語(yǔ)音識(shí)別技術(shù)在智能測(cè)試系統(tǒng)中的應(yīng)用仍然只是一個(gè)初步的研究，系統(tǒng)仍需更多的研究和改進(jìn)。3. 對(duì)于本文引用的基于模板匹配的識(shí)別算法，用MFCC作為語(yǔ)音的特征參數(shù)，從仿真數(shù)據(jù)來(lái)看，性能仍有待提高，需進(jìn)一步探索其改進(jìn)的方法。 展望其次，介紹了語(yǔ)音識(shí)別和虛擬儀器的基本概念，結(jié)合虛擬儀器開發(fā)平臺(tái) LABVIEW 的特點(diǎn)對(duì)特征參數(shù)算法進(jìn)行改進(jìn)。大量實(shí)驗(yàn)表明，這種方法有比較好的分辨率和穩(wěn)定性。 語(yǔ)音信號(hào)模板的建立 。 語(yǔ)音消噪和端點(diǎn)檢測(cè)。(6) 語(yǔ)音信號(hào)識(shí)別模板的讀取。本設(shè)計(jì)采用的識(shí)別方法是模板匹配方法。人工神經(jīng)網(wǎng)絡(luò)（ANN）的方法是90年代初期提出的一種新的語(yǔ)音識(shí)別方法。通常我們認(rèn)為常用的語(yǔ)言中有有限個(gè)不同的語(yǔ)音基元，可以通過(guò)其語(yǔ)音信號(hào)的時(shí)域或頻域特性來(lái)區(qū)分。由于碼字的序號(hào)是矢量量化技術(shù)中存貯和傳輸?shù)闹饕獏?shù)，因此，具有高效的數(shù)據(jù)壓縮性能和信息保密性能，不足之處是訓(xùn)練過(guò)程中的計(jì)算方法復(fù)雜且計(jì)算量過(guò)大。量化時(shí)，將k維無(wú)限空間劃分為M個(gè)區(qū)域邊界，然后將輸入矢量與這些邊界進(jìn)行比較，并被量化為“距離”最小的區(qū)域邊界的中心矢量值 [45]。 的研究表明基于連續(xù) HMM 的與文本無(wú)關(guān)的說(shuō)話人識(shí)別系統(tǒng)的識(shí)別率取決于模型中的混合分量的個(gè)數(shù)，而與 HMM 中的狀態(tài)數(shù)無(wú)關(guān) [44]。HMM是一個(gè)雙重隨機(jī)過(guò)程，一個(gè)隨機(jī)過(guò)程描述狀態(tài)的轉(zhuǎn)移，另一個(gè)隨機(jī)過(guò)程描述狀態(tài)和觀察值之間的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系。參考模板 R和測(cè)試模板 T 之間的總體失真為D[ T, R]。這是一個(gè)將時(shí)間規(guī)整和距離測(cè)度有機(jī)結(jié)合在一起的非線性規(guī)整技術(shù)，保證了待識(shí)別特征與模板特征之間最大的聲學(xué)相似特性和最小的時(shí)差失真，是成功解決模式匹配問(wèn)題最早和最常用的方法。如果考慮把具有不同內(nèi)容的語(yǔ)音經(jīng)過(guò)某種轉(zhuǎn)換以后作為不同的模板，則可以構(gòu)建一個(gè)基于模板匹配的簡(jiǎn)單的語(yǔ)音識(shí)別系統(tǒng)。具體參數(shù)設(shè)置為：幀長(zhǎng) 512，幀移 256，濾波器的個(gè)數(shù)為 12，采樣頻率 44100Hz，并去除了首尾各兩幀，因?yàn)檫@兩幀的一階差分為零，這樣就得到了 24 維的語(yǔ)音特征向量，將其作為一幀語(yǔ)音信號(hào)的參數(shù)。 美爾頻率倒譜參數(shù)及提取方法美爾頻率倒譜參數(shù)(MFCC)充分利用聽(tīng)覺(jué)原理和倒譜的解相關(guān)特性，將語(yǔ)音通過(guò)傅里葉變換成頻譜再轉(zhuǎn)換為 Mel 頻率下的非線性頻譜，以便更好地模擬人的聽(tīng)覺(jué)系統(tǒng) [16]。最為常用在說(shuō)話人識(shí)別中的特征參數(shù) [18]有線性預(yù)測(cè)系數(shù)(LPC)及其導(dǎo)出的線性預(yù)測(cè)倒譜系數(shù)(LPCC)、由頻譜導(dǎo)出的 Mel 倒譜系數(shù)(MFCC)，倒譜特征是說(shuō)話人識(shí)別中常用的特征之一。為了使算法簡(jiǎn)單化，避免高信號(hào)電平對(duì)它的干擾，那么短時(shí)能量函數(shù)可以用平均幅度函數(shù)來(lái)代替[12]。下面將逐一介紹短時(shí)過(guò)零率法和能量法。有時(shí)一些突發(fā)性的噪聲也有可能引起過(guò)零率或短時(shí)能量的數(shù)值很高，但這種噪聲不能持續(xù)足夠長(zhǎng)的時(shí)間。圖 。如果用一個(gè)數(shù)組表示每一幀語(yǔ)音信號(hào)，那么一個(gè)連續(xù)的語(yǔ)音信號(hào)分幀之后就可以用一個(gè)依賴時(shí)間的數(shù)組序列來(lái)表示。預(yù)加重是通過(guò)數(shù)字濾波器實(shí)現(xiàn)的，該數(shù)字濾波器的傳遞函數(shù)為：H (Z) =1 az1 (21)其中α為預(yù)加重系數(shù)，值接近于 1，典型值取值為 。在將語(yǔ)音信號(hào)進(jìn)行數(shù)字化前，必須先進(jìn)行防混疊濾波，濾除噪聲或高于1/2采樣率的信號(hào)成分。正常人的發(fā)音頻率范圍一般是40Hz到3400Hz左右，根據(jù)奈奎斯特采樣定律（Nyquist Sampling Theorem），那么采樣頻率應(yīng)為原始語(yǔ)音頻率的兩倍以上，本次設(shè)計(jì)采用8KHz采樣率()。對(duì)原始語(yǔ)音信號(hào)進(jìn)行抗混疊濾波、去噪聲，預(yù)加重處理和端點(diǎn)檢測(cè)；根據(jù)端點(diǎn)檢測(cè)得到有效語(yǔ)音信號(hào)，對(duì)其進(jìn)行特征參數(shù)提取，較好的特征參數(shù)應(yīng)具備的特點(diǎn)是：(1) 特征參數(shù)矢量的各分量之間具有良好的獨(dú)立性；(2)特征參數(shù)能有效地代表該語(yǔ)音段，具有良好的區(qū)分度； (3)特征參數(shù)的計(jì)算要高效，最好也比較容易實(shí)現(xiàn)，保證語(yǔ)音識(shí)別的實(shí)時(shí)實(shí)現(xiàn)。第二章 語(yǔ)音識(shí)別基本技術(shù)語(yǔ)音識(shí)別基本技術(shù)包括語(yǔ)音信號(hào)的預(yù)處理、分幀、加窗和端點(diǎn)檢測(cè)等時(shí)域和頻域分析。本課題研究的主要內(nèi)容和方法如下：根據(jù)識(shí)別的需求，分析語(yǔ)音識(shí)別技術(shù)的重要性，針對(duì)語(yǔ)音識(shí)別系統(tǒng)的實(shí)用性提出本文研究的目標(biāo)就是設(shè)計(jì)實(shí)現(xiàn)一個(gè)基于模板匹配識(shí)別算法的語(yǔ)音識(shí)別系統(tǒng)。通過(guò)該子項(xiàng)中的“Save options”欄，可以設(shè)置自動(dòng)備份的時(shí)間間隔。“Fonts”字體設(shè)置子項(xiàng)：如果不點(diǎn)選“Use editor font”，那么硬拷貝中的字體可能與編輯器顯示的字體不同，一般情況下硬拷貝中的字體較大。M編輯器有多種功能：不僅可以編寫M文件，而且可以對(duì)M文件進(jìn)行交互式調(diào)試；此外，而且可以閱讀和編輯其他ASCII碼的文件。對(duì)于比較簡(jiǎn)單的和“一次性”的問(wèn)題，通過(guò)在直欞窗中直接輸入一組指令求解是比較簡(jiǎn)便、快捷的。它擁有功能全面的函數(shù)庫(kù)，為了讓用戶脫離了復(fù)雜繁瑣的程序計(jì)算過(guò)程，把大量的函數(shù)封裝起來(lái)，大大提高了工作效率。（4）32bit的編譯器編譯生成32bit的編譯程序，保證數(shù)據(jù)采集、測(cè)試和測(cè)量方案的高速執(zhí)行。 （3）儀器性能的改進(jìn)和功能擴(kuò)展只需進(jìn)行相關(guān)軟件的設(shè)計(jì)更新，而不需購(gòu)買新的儀器。鑒于中國(guó)龐大的市場(chǎng)，國(guó)外也非常重視漢語(yǔ)語(yǔ)音識(shí)別的研究。T、NTT） 都為語(yǔ)音識(shí)別系統(tǒng)的實(shí)用化研究開發(fā)投入巨大資金和人力，研制出大詞匯量語(yǔ)音識(shí)別系統(tǒng) [1，4,8]。這些研究為后來(lái)非特定人模式聚類技術(shù)的研究奠定了基礎(chǔ)，現(xiàn)在已經(jīng)得到了廣泛的應(yīng)用。60 年代初期，語(yǔ)音識(shí)別系統(tǒng)的構(gòu)成基本上是用硬件實(shí)現(xiàn)的，通過(guò)濾波器組提取頻譜特征，用計(jì)算機(jī)進(jìn)行匹配、計(jì)算和判決。（7）語(yǔ)音識(shí)別技術(shù)在軍事方面，刑事調(diào)查方面的應(yīng)用由于每個(gè)人的發(fā)音都有其獨(dú)特的特點(diǎn)，就像人的指紋一樣，具有獨(dú)特性和唯一性，是非常有特點(diǎn)的識(shí)別標(biāo)志，科學(xué)上可以運(yùn)用它來(lái)判斷一個(gè)特定的人。（4）語(yǔ)音識(shí)別技術(shù)對(duì)各生產(chǎn)領(lǐng)域的應(yīng)用汽車工業(yè)帶來(lái)的經(jīng)濟(jì)收入對(duì)一個(gè)國(guó)家來(lái)說(shuō)是至關(guān)重要的，最新的語(yǔ)音識(shí)別技術(shù)已經(jīng)應(yīng)用到汽車領(lǐng)域，并且仍在不斷開發(fā)和添加新的功能。只要游客對(duì)該系統(tǒng)說(shuō)話，標(biāo)示清楚他們當(dāng)前的所在位置和感興趣的風(fēng)景名稱，系統(tǒng)會(huì)自動(dòng)顯示出最佳路線，實(shí)物圖片和旅游計(jì)劃等人性化的信息。人與機(jī)器的語(yǔ)言交流總體可分為三部分，（1）讓機(jī)器聽(tīng)懂人的語(yǔ)言（2）進(jìn)行語(yǔ)言組織（3）文字轉(zhuǎn)化為聲音輸出。其次系統(tǒng)能夠?qū)崿F(xiàn)語(yǔ)音信號(hào)的自動(dòng)采集；然后針對(duì)語(yǔ)音特征參數(shù)提取，結(jié)合 LABVIEW的編程特點(diǎn)，利用多線程對(duì)特征參數(shù)進(jìn)行提取并運(yùn)算，將計(jì)算時(shí)間縮短了 1/4。****大學(xué)本科生畢業(yè)設(shè)計(jì)說(shuō)明書（畢業(yè)論文）題 目：基于虛擬儀器的語(yǔ)音識(shí)別算法研究學(xué)生姓名：**學(xué) 號(hào)：*******專 業(yè)：*******班 級(jí)：*******指導(dǎo)教師：*****46基于虛擬儀器的語(yǔ)音識(shí)別算法研究摘 要隨著信息技術(shù)的快速發(fā)展，智能人機(jī)交互通信逐漸滲透到人們的日常生活之中，在許多電器的控制面板中，都加入了利用聲音信息進(jìn)行的人機(jī)交互功能，其中多數(shù)都具備語(yǔ)音提示的功能，這就使人機(jī)交互的效率得到了更大的提高。文中首先介紹了語(yǔ)音識(shí)別技術(shù)的基本原理，分析了經(jīng)常使用的線性預(yù)測(cè)倒譜系數(shù)和美爾頻率倒譜系數(shù)，并選定美爾頻率倒譜系數(shù)作為本系統(tǒng)中采用的語(yǔ)音特征參數(shù)。隨著現(xiàn)代社會(huì)的不斷發(fā)展，科學(xué)技術(shù)的日益成熟，全自動(dòng)機(jī)器逐漸被運(yùn)用于各個(gè)領(lǐng)域，取代了很多原本依靠人來(lái)完成的工作，人們對(duì)機(jī)器的智能要求也越來(lái)越高，人機(jī)進(jìn)行信息交互的手段也越來(lái)越便捷和迅速，因此語(yǔ)言交流自然而然的成為了首選。目前在國(guó)際上的各大旅游景區(qū)已經(jīng)開始逐步采用語(yǔ)音識(shí)別查詢系統(tǒng)，其中最具代表性的是日本豐橋大學(xué)設(shè)計(jì)研發(fā)的“富士山旅游咨詢系統(tǒng)”，該系統(tǒng)是一個(gè)比較實(shí)用的語(yǔ)音查詢系統(tǒng)，此外它還可以采用問(wèn)卷調(diào)查等方式，集成了自動(dòng)語(yǔ)言的語(yǔ)音導(dǎo)覽系統(tǒng)。一些帶有語(yǔ)音功能的辦公設(shè)備，甚至可以幫助殘疾人士在家里或在工作崗位上，開辟出一個(gè)新的生存空間。據(jù)外國(guó)有關(guān)媒體報(bào)道，語(yǔ)音玩具的銷售遠(yuǎn)遠(yuǎn)超出了預(yù)期水平 [7]。1952 年貝爾實(shí)驗(yàn)室的 Davis 等人首次采用識(shí)別方法是根據(jù)語(yǔ)音第一、二共振峰位置提取若干特征的方法研制出能識(shí)別十個(gè)英語(yǔ)數(shù)字的語(yǔ)音識(shí)別系統(tǒng)，實(shí)現(xiàn)了用模擬電路實(shí)現(xiàn)未知語(yǔ)音與參考語(yǔ)音之間的相關(guān)度運(yùn)算[1]。在這期間，貝爾實(shí)驗(yàn)室開展了用于建立真正的非特定人語(yǔ)音識(shí)別系統(tǒng)的實(shí)驗(yàn)研究，提出了范圍較廣泛的一類復(fù)雜的聚類算法，用來(lái)確定能夠表示大量人群的不同詞語(yǔ)的所有聲學(xué)變化的不同模式。發(fā)達(dá)國(guó)家如日本、美國(guó)等著名大公司（IBM、Apple、ATamp。其中聲母識(shí)別采用 CHMM 模型，聲調(diào)識(shí)別采用感知神經(jīng)網(wǎng)絡(luò)模型，整個(gè)系統(tǒng)識(shí)別率高達(dá) %，聲調(diào)識(shí)別率為 %，詞的識(shí)別率為 95% [1，4,8]。 （2）儀器的功能是由用戶根據(jù)需要由軟件來(lái)定義的，而不是事先由廠家定義好的。（3）既提供了傳統(tǒng)的程序調(diào)試手段，如設(shè)置斷點(diǎn)、單步運(yùn)行，同時(shí)又提供了獨(dú)到的高亮執(zhí)行工具，使程序動(dòng)畫式運(yùn)行，利于設(shè)計(jì)者觀察程序運(yùn)行的細(xì)節(jié)，使程序的調(diào)試和開發(fā)更為便捷。 MATLAB語(yǔ)言MATLAB語(yǔ)言[1]是在20世紀(jì)80年代初期，由美國(guó)的Math Works軟件開發(fā)公司推出的一種信號(hào)圖像處理的數(shù)學(xué)工具軟件。（4）豐富的函數(shù)工具箱 提供專門的對(duì)語(yǔ)音信號(hào)進(jìn)行處理的工具箱。其具體步驟如下：1) 編輯調(diào)試器的開啟在缺省的情況下，M文件編輯器（Editor/Debugger）不隨MATLAB的啟動(dòng)而開啟，通常只有在編寫M文件時(shí)才啟動(dòng)M文件編輯器窗口。“Header”版頭設(shè)置子項(xiàng)：設(shè)置版頭的具體形式包含有版頭的邊界、布局及頁(yè)數(shù)的顯示方式等參數(shù)進(jìn)行設(shè)置。“Auto save”子項(xiàng)：編輯器窗口中的文件發(fā)生改動(dòng)后，文件會(huì)自動(dòng)進(jìn)行備份。5．注意：在MATLAB中，若發(fā)生漢字輸入困難，可用鼠標(biāo)右鍵點(diǎn)擊，引出現(xiàn)場(chǎng)菜單；選中“屬性”菜單項(xiàng)，引出“對(duì)話框”，或采取在微軟輸入法中選擇“逐鍵指示”，或在智能輸入法中選中“固定”。第六章 總結(jié)與展望，對(duì)本文的研究工作進(jìn)行階段性總結(jié)，討論了當(dāng)前存在的問(wèn)題和將來(lái)可能的研究方向。圖 語(yǔ)音識(shí)別系統(tǒng)基本結(jié)構(gòu)圖語(yǔ)音識(shí)別系統(tǒng)的處理過(guò)程從一開始的對(duì)語(yǔ)音信號(hào)進(jìn)行采集，即模擬語(yǔ)音信號(hào)轉(zhuǎn)化為數(shù)字語(yǔ)音信號(hào)，隨機(jī)語(yǔ)音經(jīng)過(guò)錄音設(shè)備轉(zhuǎn)化為數(shù)字信號(hào)(語(yǔ)音信號(hào))輸入到語(yǔ)音識(shí)別系統(tǒng)進(jìn)行識(shí)別。 語(yǔ)音信號(hào)的采集通常語(yǔ)音信號(hào)是一種連續(xù)的模擬信號(hào)，計(jì)算機(jī)無(wú)法直接對(duì)其做數(shù)字化處理，因此需要經(jīng)過(guò)一種轉(zhuǎn)換將模擬信號(hào)轉(zhuǎn)化成數(shù)字信號(hào)，我們把這個(gè)過(guò)程叫做模/數(shù)轉(zhuǎn)換（A/D轉(zhuǎn)換）。為了防止混疊效應(yīng)，選擇的采樣頻率必須滿足Nyquist采樣定理，一般用的采樣頻率有fs1=8KHz, fs2=11KHz, fs3=16KHz等，在本設(shè)計(jì)中采樣率為8KHz。因此，在對(duì)語(yǔ)音信號(hào)進(jìn)行處理之前有必要對(duì)其高頻部分進(jìn)行提升。為了保證特征矢量參數(shù)變換的平滑性，分幀時(shí)使幀與幀之間有部分樣本重疊，這樣就可以用平穩(wěn)過(guò)程的分析方法來(lái)處理非平穩(wěn)的語(yǔ)音信號(hào)了。在本文后續(xù)章節(jié)中窗函數(shù)均選擇漢明窗。端點(diǎn)檢測(cè)的準(zhǔn)確性對(duì)識(shí)別的效率和結(jié)果有直接影響[11]。如果在過(guò)渡段中，只要兩個(gè)參數(shù)中的任何一個(gè)超過(guò)了高門限，就可以確信進(jìn)入真正的語(yǔ)音段了。 由于式（211）是卷積形式的，因此可以理解為離散信號(hào)經(jīng)過(guò)一個(gè)單位脈沖的FIR低通濾波器產(chǎn)生的輸出。近幾年以來(lái)，在說(shuō)話人識(shí)別系統(tǒng)中人們用多種特征參數(shù)進(jìn)行了研究，得到了許多有意義的成果。美爾頻率倒譜系數(shù)（MFCC）基于人耳的聽(tīng)覺(jué)特性，在低頻段具有較高的譜分辨率，計(jì)算簡(jiǎn)單，區(qū)分能力和抗噪能力好。文中通過(guò)編寫 MATLAB 程序來(lái)實(shí)現(xiàn)特征參數(shù)的提取，程序中包含了 MFCC 參數(shù)及其一階差分參數(shù)的提取，并且將這兩種參數(shù)進(jìn)行了合并，作為語(yǔ)音特征參數(shù)輸出。模板匹配法是模式識(shí)別中最為常用的一種相似度計(jì)算與匹配方法。在這一過(guò)程中，未知單詞的時(shí)間軸要不均勻地扭曲或彎折，以使其特征與模型特征對(duì)齊(即時(shí)間規(guī)整)，并在兩者之間不斷的進(jìn)行兩個(gè)矢量距離最小的匹配路徑計(jì)算，從而獲得兩個(gè)矢量匹配時(shí)累積距離最小的規(guī)整函數(shù)。計(jì)算待識(shí)別語(yǔ)音模板與參考模板之間的相似程度，可以通過(guò)計(jì)算它們之間的失真來(lái)得到，相似度越高失真就越小。其中：CHMM的識(shí)別率雖高，但計(jì)算量大，其典型就是Bell Lad的語(yǔ)音識(shí)別系統(tǒng)；DHMM識(shí)別率略低些，但計(jì)算量最小，IBM公司的Via Voice中文語(yǔ)音識(shí)別系統(tǒng)，就是該技術(shù)的成功典范；SCHMM的識(shí)別率和計(jì)算量則居中，其典型產(chǎn)品就是美國(guó)著名的SPHINX語(yǔ)音識(shí)別系統(tǒng)；而DDBHMM是對(duì)上述經(jīng)典HMM方法的修正，計(jì)算量雖大，但識(shí)別率最高。 高斯混合模型法 GMM自 80 年代以來(lái)，隱馬爾科夫模型（HMM）被廣泛地用來(lái)描述語(yǔ)音信號(hào)在特征空間的分布。其過(guò)程是：將語(yǔ)音信號(hào)波形的k個(gè)樣點(diǎn)的每一幀，或有k個(gè)參數(shù)的每一參數(shù)幀，構(gòu)成k維空間中的一個(gè)矢量，然后對(duì)矢量進(jìn)行量化。核心思想可以這樣理解：如果一個(gè)碼書是為某一特定的信源而優(yōu)化設(shè)計(jì)的，那么由這一信息源產(chǎn)生的信號(hào)與該碼書的平均量化失真就應(yīng)小于其他信息的信號(hào)與該碼書的平均量化失真，也就是說(shuō)編碼器本身存在區(qū)分能力。 基于聲學(xué)和語(yǔ)音學(xué)的方法雖然這種方法起步比較早，在語(yǔ)音識(shí)別技術(shù)剛剛提出的時(shí)候，就有了這方面的研究，但由于其語(yǔ)音知識(shí)及模型過(guò)于復(fù)雜，到目前為止仍然沒(méi)有達(dá)到實(shí)用的階段。不過(guò)就近些年來(lái)看，基于支持矢量機(jī)、遺傳算法和神經(jīng)網(wǎng)絡(luò)等語(yǔ)音識(shí)別技術(shù)方興未艾。根據(jù)本設(shè)計(jì)的要求，對(duì)語(yǔ)音識(shí)別的算法進(jìn)行研究和探索，所以選用的指令是一些比較簡(jiǎn)單的口令，為此選取孤