-20xx0xx257-孤立詞語音識別技術研究(存儲版)

　　

【正文】 的研究是語音識別技術的重大突破，盡管還未成熟，但是如今它是研究的重點。 （HMM）HMM是一種較好描述語音信號整體非平穩特性的統計模型，我們將其看作數學上的一個雙重隨機過程。它有離散型和連續型兩類，對于離散HMM模型，B是一個概率矩陣；其中，M是編碼符號集中符號的總數，并且滿足；連續的模型滿足條件：。下面簡單介紹一下隱馬爾科夫的三種基本算法，即前向后向算法，Viterbi算法和BaumWelch算法。(DTW)在孤立詞語音識別中，比較常用的一種識別方法是DYW，它的原理還是比較容易理解，另外其用法也不復雜。這種方法應用的比較廣泛，并且它對語音識別技術產生了很重要的影響。而動態時間規整就是尋找一個時間規整函數,通俗地講就是尋找一條最優路徑[[4]何強，何英．MATLAB擴展編程[M]．第一版，北京：清華大學出版社．]。每一個表格中都有一個數字，每個數字代表A和B之間的矢量距離。 (25)（3） 最后我們根據限制后的路徑找出被測模板和參考模板之間匹配的最佳路徑。現在matlab中已經存在各種比較好的開發工具箱。另外存在一份待測試的語音庫。 MATLAB中有一些語音信號處理常用的函數，比如說wavread函數。本文中選用短時能量E和過零率ZCR一起的雙門限條件來實現。只有等到過渡段再次升高，達到一個較高的門限我們才能確定。下圖是數字1的訓練語音的端點檢測結果，程序開始運行后會依次顯示上面錄入的語音文檔的波形，并且用紅色的線標出語音端點。最后可以使用M個Mel帶通濾波器進行濾波。這個工具箱主要是一些函數程序。%幅度歸一化到[1,1]%參數設置FrameLen = 256。 %判斷是語音的最小長度status = 0。%計算短時能量amp = sum((abs(enframe(filter([1 ], 1, x), FrameLen, inc))).^2, 2)。 elseif amp(n) amp2 || zcr(n) zcr2 % 可能處于語音段 status = 1。 silence = 0。)。, 39。Color39。)。red39。r = ref。xb = round((2*nm)*2/3)。 y_min = round(*x)。 y_min = round(2*(xn)+m)。g:\\yuyin\\wh\\39。end%數碼識別for i=1:3 fname = sprintf(39。 end [d,n] = max(pout)。沒有老師的督促我們是不能完成這項工作的。 圖 15 語音識別系統的文件結構 上面的各個文件準備完畢后就可以進行最終的語音識別了，相應的源程序文件可見附錄部分。語音識別的一大問題就是如何排除外界噪聲的影響，如何研究非特定人的識別技術以及各種因素對識別系統的影響也是我們要突破的難題。實際應用部分主要是將語音識別技術在web上的實現為主。對于實驗結果也可以通過GUI視圖頁面顯示出來，在這里不對該方式做詳細表述。當然，最終論文的完成和導師的耐心指導是分不開的。 m = m(x12:x22,:)。\n第%d詞訓練39。,i,k)。 y_min = round(*x)。 y_min = round(2*(xn)+m)。% 如果兩個模板長度相差過多，匹配失敗if (2*mn3) | (2*nm2) dist = realmax。)。Color39。, 39。)。line([x2*inc x2*inc], [1 1], 39。 %記錄語音段結束點subplot(3,1,1)plot(x)axis([1 length(x) 1 1])ylabel(39。 if silence minsilence % 靜音還不夠長，尚未結束 count = count + 1。 silence = 0。diffs = (tmp1 tmp2)。minsilence = 6。)。利用這些函數可以實現某些語音信號處理工作。然后便是對其能量進行計算，相關計算方法在上節部分已經做了表述，緊接著就是對信號的各種處理。 實驗時需要調用 voicebox 中的 vad 函數。也就是過渡段。 資料表明，語音識別的識別率較低等原因可能都是來自端點檢測，所以較為精準的確定起止點和終止點能夠提高語音識別的精度。在后續對語音信號的處理過程中文件的存儲路徑要和系統默認的路徑一致。一般情況下可以用錄音筆或者筆記本電腦來完成。由于條件限制在信號的仿真方面我們可以通過MATLAB來實現。函數如下： (23)對于上面的路徑約束，具體的推導公式為： 。我們可以稱之為總的代價函數，其計算公式為 (22)式中，d[c(k)]為匹配點c(k)本身的代價，min D[c(k1)]是限制路徑中最小的一條。他們的關系通過橫縱坐標指示出來了。另外使用DTW技術還解決了端點檢測中某些參量效果不明顯的問題，主要是因為這種方法可以把待測量和參考量的差異放大。同樣，由后向算法的思路出發也可以推導出Viterbi算法的另外一種實現方式。根據此概率判斷語音命令的識別； (2)如何調整的參數使得輸出概率最大。矩陣元素必須滿足：。另外，DTW比較適合實際的應用。通過這些訓練可以得到一個和待測語音很近的矢量值作為存儲模板保留。這樣做的目的是為了限制該算法中匹配路徑的個數。人工神經網絡（ANN）、矢量量化（VQ）也是出現比較早并且用到的較多的。這樣就可以獲取信號的離散功率譜X(k)。 MFCC的計算方式是比較復雜的。所以本文中主要介紹后者。具體方法需要根據流程檢驗。端點檢測檢測的過程中有很多的特征參量作為可以作為參考量，在這些參量中我們要選擇一種合適的方式來作為該方式的參考量，這個參考量必須能夠很好地代表信號的某些特征，而且能夠很好地實現端點檢測這樣一個關鍵技術。綜合而言在本文的研究中，要選用的函數是海明窗。幀移與幀長有一定的關系，通常情況下兩者之比在1/3到1/2的區間 [[2]王倩，吳國平，陳琳．特定人語音識別算法——DRW算法[J]．中國地質大學（武漢）通信工程學院，湖北 武漢 430074．]。預加重是我們處理信號時常常會使用的一種信號處理方式，其作用在不同的信息處理中有不同的作用，在這里我們主要是為了放大信號中的高頻分量 [[1]宋庭新，[M]. 出版社,2000.]。作時域離散化處理。并在先前存儲的參考模板庫中匹配保存，然后把匹配率最大的參考模版作為最終的識別成果。比如說預處理部分中的端點檢測的好壞在整個過程中就比較重要。本文就是在這種情況下對特定人孤立詞語音識別系統做了一些探討。關鍵詞：語音識別；孤立詞；隱馬爾可夫模型；動態時間規整技術；MATLAB；GUIStudy of Isolated Word Speech Recognition Technology Student: Jiang Zhao Zhao(Faculty Adviser：Fang Jie)(College of mechanical and Electronic Engineering, West Anhui University)Abstract: Speech recognition is the technology of humanputer interaction. It is to make the machine through the understanding and recognition of the process of the speech signal into the corresponding text or mand technology, then realize the munication between human and puter. The isolated word speech recognition system is mainly used in automatic control, such as robot manipulation, munication equipment, smart toys and so on. This paper focus on the research and implement of isolated mand word recognition with HMM based on MATLAB