基于matlab的語(yǔ)音識(shí)別技術(shù)

1、項(xiàng)目題目：基于Matlab的語(yǔ)首識(shí)別一、引言語(yǔ)音識(shí)別技術(shù)是讓計(jì)算機(jī)識(shí)別一些語(yǔ)音信號(hào)，并把語(yǔ)音信號(hào)轉(zhuǎn)換成相應(yīng)的文本或者命令的一種高科技技術(shù)。語(yǔ)音識(shí)別技術(shù)所涉及的領(lǐng)域非常廣泛，包括信號(hào)處理、模式識(shí)別、人工智能等技術(shù)。近年來(lái)已經(jīng)從實(shí)驗(yàn)室開(kāi)始走向市場(chǎng)，滲透到家電、通信、醫(yī)療、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域，讓人們的生活更加方便。語(yǔ)音識(shí)別系統(tǒng)的分類(lèi)有三種依據(jù)：詞匯量大小，對(duì)說(shuō)話人說(shuō)話方式的要求和對(duì)說(shuō)話人的依賴程度。(1)根據(jù)詞匯量大小，可以分為小詞匯量、中等詞匯量、大詞匯量及無(wú)限詞匯量識(shí)別系統(tǒng)。(2)根據(jù)對(duì)說(shuō)話人說(shuō)話方式的要求，可以分為孤立字(詞)語(yǔ)音識(shí)別系統(tǒng)、連接字語(yǔ)音識(shí)別系統(tǒng)及連續(xù)語(yǔ)音識(shí)別系統(tǒng)。(3)根據(jù)對(duì)

2、說(shuō)話人的依賴程度可以分為特定人和非特定人語(yǔ)音識(shí)別系統(tǒng)。二、語(yǔ)音識(shí)別系統(tǒng)框架設(shè)計(jì)2.1語(yǔ)音識(shí)別系統(tǒng)的基本結(jié)構(gòu)果用模塊一處理播以一T-I1榆出站果1_C結(jié)束)一識(shí)別模塊一圖1語(yǔ)音宗附系統(tǒng)泊程圖語(yǔ)音識(shí)別系統(tǒng)本質(zhì)上是一種模式識(shí)別系統(tǒng)，其基本結(jié)構(gòu)原理框圖如圖l所示,主要包括語(yǔ)音信號(hào)預(yù)處理、特征提取、特征建模（建立參考模式庫(kù)）、相似性度量（模式匹配）和后處理等幾個(gè)功能模塊，其中后處理模塊為可選部分。三、語(yǔ)音識(shí)別設(shè)計(jì)步驟3.1 語(yǔ)音信號(hào)的特征及其端點(diǎn)檢測(cè)圖2數(shù)字7'開(kāi)始部分波形圖2是數(shù)字“7"的波形進(jìn)行局部放大后的情況，可以看到，在6800之前的部分信號(hào)幅度很低，明顯屬于靜音。而在6800

3、以后，信號(hào)幅度開(kāi)始增強(qiáng)，并呈現(xiàn)明顯的周期性。在波形的上半部分可以觀察到有規(guī)律的尖峰，兩個(gè)尖峰之間的距離就是所謂的基音周期，實(shí)際上也就是說(shuō)話人的聲帶振動(dòng)的周期。這樣可以很直觀的用信號(hào)的幅度作為特征，區(qū)分靜音和語(yǔ)音。只要設(shè)定一個(gè)門(mén)限，當(dāng)信號(hào)的幅度超過(guò)該門(mén)限的時(shí)候，就認(rèn)為語(yǔ)音開(kāi)始，當(dāng)幅度降低到門(mén)限以下就認(rèn)為語(yǔ)音結(jié)束。3.2 語(yǔ)音識(shí)別系統(tǒng)3.2.1 語(yǔ)音識(shí)別系統(tǒng)的分類(lèi)語(yǔ)音識(shí)別按說(shuō)話人的講話方式可分為3類(lèi)：(1)即孤立詞識(shí)別(isolatedwordrecognition),孤立詞識(shí)別的任務(wù)是識(shí)別事先已知的孤立的詞，如“開(kāi)機(jī)”、“關(guān)機(jī)”等。(3)連續(xù)語(yǔ)音識(shí)別，連續(xù)語(yǔ)音識(shí)別的任務(wù)則是識(shí)別任意的連續(xù)語(yǔ)音，如

4、一個(gè)句子或一段話。從識(shí)別對(duì)象的類(lèi)型來(lái)看，語(yǔ)音識(shí)別可以分為特定人語(yǔ)音識(shí)別和非特定人語(yǔ)音識(shí)別，特定人是指針對(duì)一個(gè)用戶的語(yǔ)音識(shí)別，非特定人則可用于不同的用戶。顯然，非特定人語(yǔ)音識(shí)別系統(tǒng)更符合實(shí)際需要，但它要比針對(duì)特定人的識(shí)別困難得多。3.2.2 語(yǔ)音識(shí)別系統(tǒng)的基本構(gòu)成語(yǔ)音識(shí)別系統(tǒng)的實(shí)現(xiàn)方案如圖3所示。輸入的模擬語(yǔ)音信號(hào)首先要進(jìn)行處理，包括預(yù)濾波，采樣和量化，加窗，端點(diǎn)檢測(cè)，預(yù)加重等。語(yǔ)音信號(hào)經(jīng)處理后，接下來(lái)很重要的一環(huán)就是特征參數(shù)提取。圖3語(yǔ)音識(shí)別系統(tǒng)在訓(xùn)練階段，將特征參數(shù)進(jìn)行一定的處理之后，為每個(gè)詞條得到一個(gè)模型，保存為模版庫(kù)。在識(shí)別階段，語(yǔ)音信號(hào)經(jīng)過(guò)相同的通道得到語(yǔ)音參數(shù)，生成測(cè)試模版，與參考模

5、板進(jìn)行匹配，將匹配分?jǐn)?shù)最高的參考模型作為識(shí)別結(jié)果。3.2.3語(yǔ)音識(shí)別系統(tǒng)的特征參數(shù)提取特征提取是對(duì)語(yǔ)音信號(hào)進(jìn)行分析處理，去除對(duì)語(yǔ)音識(shí)別無(wú)關(guān)緊要的冗余信息，獲得影響語(yǔ)音識(shí)別的重要信息。語(yǔ)音信號(hào)是一種典型的時(shí)變信號(hào)，然而如果把觀察時(shí)間縮短到十毫秒至幾十毫秒，則可以得到一系列近似穩(wěn)定的信號(hào)。人的發(fā)音器官可以用若干段前后連接的聲管進(jìn)行模擬，這就是所謂的聲管模型。全極點(diǎn)線性預(yù)測(cè)參數(shù)(LPC:LinerPredictionCoeffieien)t可以對(duì)聲管模型進(jìn)行很好的描述，LP終數(shù)是模擬人的發(fā)聲器官的，是一種基于語(yǔ)音合成的參數(shù)模型。在語(yǔ)音識(shí)別中，很少用LPC(數(shù)，而是用LPC到譜參數(shù)(LPCC:Line

6、rPredictionCepstralCoefficient)。LPC參數(shù)的優(yōu)點(diǎn)是計(jì)算量小，對(duì)元音有較好的描述能力，其缺點(diǎn)在于對(duì)輔音的描述能力較差，抗噪聲性能較差。然而，人的聽(tīng)覺(jué)系統(tǒng)是一個(gè)特殊的非線性系統(tǒng)，它響應(yīng)不同頻率信號(hào)的靈敏度是不同的，基本上是一個(gè)對(duì)數(shù)關(guān)系。近年來(lái)，一種能夠比較充分利用人耳這種特殊的感知特性的參數(shù)得到了廣泛的應(yīng)用，這就是Mel倒譜參數(shù)(MFCC:MeLFrequencyCePstralCoeffieie"。MFC參數(shù)能夠比LPC參數(shù)更好地提高系統(tǒng)的識(shí)別性能。03.2.4特定人語(yǔ)音識(shí)別算法一DT啾法在孤立詞語(yǔ)音識(shí)別中，最為簡(jiǎn)單有效的方法是采用DTW；Dynamic

7、TimeWarping,動(dòng)態(tài)時(shí)間歸整)算法，該算法基于動(dòng)態(tài)規(guī)劃(DP)的思想，解決了發(fā)音長(zhǎng)短不一的模板匹配問(wèn)題，是語(yǔ)音識(shí)別中出現(xiàn)較早、較為經(jīng)典的一種算法，用于孤立詞識(shí)別。HMM法在訓(xùn)練階段需要提供大量的語(yǔ)音數(shù)據(jù)，通過(guò)反復(fù)計(jì)算才能得到模型參數(shù)，而DTWT法的訓(xùn)練中幾乎不需要額外的計(jì)算。所以在孤立詞語(yǔ)音識(shí)別中，DTWT法仍然得到廣泛的應(yīng)用。無(wú)論在訓(xùn)練和建立模板階段還是在識(shí)別階段，都先采用端點(diǎn)算法確定語(yǔ)音的起點(diǎn)和終點(diǎn)。已存入模板庫(kù)的各個(gè)詞條稱為參考模板，一個(gè)參考模板可表示為R=R(1),R(2),R(m,R(M),m為訓(xùn)練語(yǔ)音幀的時(shí)序標(biāo)號(hào)，m=1»起點(diǎn)語(yǔ)音幀，m=Mfe終點(diǎn)語(yǔ)音幀，因此泌該

8、模板所包含的語(yǔ)音幀總數(shù)，R(M為第n#的語(yǔ)音特征矢量。所要識(shí)別的一個(gè)輸入詞條語(yǔ)音稱為測(cè)試模板，可表示為丁=丁(1),T(2),，T(n),，T(N),n為測(cè)試語(yǔ)音幀的時(shí)序標(biāo)號(hào)，n=1為起點(diǎn)語(yǔ)音幀，n=N»終點(diǎn)語(yǔ)音幀，因此N為該模板所包含的語(yǔ)音幀總數(shù)，T(n)為第n幀的語(yǔ)音特征矢量。參考模板與測(cè)試模板一般采用相同類(lèi)型的特征矢量(如MFCCLPCC數(shù))、相同的幀長(zhǎng)、相同的窗函數(shù)和相同的幀移。四、基于Matlab的語(yǔ)音識(shí)別系統(tǒng)仿真4.1 語(yǔ)音模板的獲取運(yùn)用系統(tǒng)的采集模塊錄制一個(gè)普通男聲聲音，錄制09十個(gè)語(yǔ)音為實(shí)驗(yàn)對(duì)象分別命名為Oa.wav,la.wav,2a.wav,3a.wav,4a.w

9、av,5a.wav,6a.wav,7a.wav,8a.wav,9a.wav分析處理后提取特征參數(shù)，經(jīng)過(guò)模板訓(xùn)練，為十個(gè)語(yǔ)音分別選取最合適的語(yǔ)音作為模板，存入數(shù)據(jù)庫(kù)建立參考模型庫(kù)。4.2 語(yǔ)音訓(xùn)練類(lèi)似，錄制一組普通男聲的聲音，同樣為09十個(gè)語(yǔ)音，作為十個(gè)待測(cè)語(yǔ)音信號(hào)。圖4數(shù)字0'的訓(xùn)練波形及系數(shù)4.3語(yǔ)音識(shí)別訓(xùn)練結(jié)束后，用錄音設(shè)備錄入09中的數(shù)字，經(jīng)過(guò)波形及系數(shù)匹配識(shí)別出錄入數(shù)字，并正確顯示識(shí)別結(jié)果。圖4數(shù)字0'的識(shí)別結(jié)果五總結(jié)通過(guò)這次二級(jí)項(xiàng)目，更深入的了解的Matlab軟件強(qiáng)大的功能，了解了利用Matlab軟件進(jìn)行界面設(shè)計(jì)等。學(xué)習(xí)到語(yǔ)音識(shí)別技術(shù)仿真中各函數(shù)的運(yùn)用。在不斷地改進(jìn)和完善中，這次二級(jí)項(xiàng)目終于順利完成。參考文獻(xiàn)1 .何強(qiáng)、何英.MATLAET展編程.北京：清華大學(xué)出版社，2002.62 .