研二模式識別語音

DTW：語音信號；短時；MFCC；動態(tài)時間規(guī)近年來，語音識別已經(jīng)成為一個非常活躍的研究領(lǐng)域。在不遠的將來，語音識別技術(shù)有可能作為一種重要的人機交互，輔助甚至取代傳統(tǒng)的鍵盤、鼠標等輸入設備，在個人計算機上進行文為廣闊的發(fā)展前景2。在特定人孤立詞語音識別中，最為簡單有效的方法是采用DTW(DynamicTimeWar,動態(tài)時本文就是在基礎(chǔ)上來進行語音信號參數(shù)的分析與語音信號的識別的。語音信號是一種典型的非平穩(wěn)信號。但是，由于語音的形成過程是與發(fā)音的運動密切相關(guān)是最早使用，也是應用最廣泛的法，這種方法直接利用語音信號的時域波形。時域分析通常過零就是信號通過零值。對于連續(xù)語音信號，可以其時域波形通過時間軸的情況。對于離符號的次數(shù)。單位時間內(nèi)的過零數(shù)稱為平均過零數(shù)。短時過析通常用在端點偵測，特別是用來短時分析在運用離散時間變換分析語音信號的變化時，會遇到這樣的問題，即單一的變換并時間變化的頻譜信息，諸如時變峰和諧波。具體而言，通常將信號的每一時刻與其相鄰時刻信號的變換相聯(lián)系，這樣就可以及時信號的頻譜變化。語音信號的短時變換見程序所述?？梢则炞C，在短時分析中對于同一種窗函數(shù)而言，其通帶寬度與窗長成反比。如果希望分析的時間分辨率和頻率分辨率是相互的，這是短時本身所固有的弱點。短時傅通過基于和短時頻域分析，能夠得出[7]：第一，長窗具有較高的頻率分辨率，但具有較低的時間分辨率。從一個周期到另一個周期，峰是要發(fā)生變化的，這一點即使從語音波形上振峰從一個周期到另一個周期所發(fā)生的變化。當然，激勵源的諧波結(jié)構(gòu)也從短時頻譜上了。第三，在對語音信號進行短時分析時，窗長需要折衷考慮。一方面，短窗具有較好的時間分辨夠較好反映短時語音信號的頻譜，窗越寬這種近越好。1所示：1DTW2通常，規(guī)整函數(shù)被限制在一個平行四邊形的網(wǎng)格內(nèi)，如圖2所示。它的一條邊斜率為2，另一條1，終點為（N，M由于在模板匹配過程中限定了彎折的斜率，因此平行四邊形之外的格點對應的幀匹配距離是不3充分利用這兩個特點可以減少計算量和空間的需求W22（1xa（xa1，xxb，，其中：xa=(2M-N)/3，xaxbM和Nx軸上的每一幀不再yy軸上[ymin，ymax]間的幀進行比較，yminymax的計算為：2x+(M-2N)，xb<x≤Nx/2+(M-N/2)，xa<x≤N（1，xb（xb+1，xa（xa+1，Nxy軸上的幀數(shù)不同，但彎折特性是一樣的，累積距離D(x，y)=d(x，y)+min[D(x-1，y)，D(x-1，y-1)，D(x-1，y-驗語音數(shù)據(jù)，是在條件下利用PC機錄制。采用8000kHz采樣頻率、16bit量化、單聲道的N256M128點。ω(n)=0.54-0.46cos(2πn/(N-1))，0≤n≤N-H(z)=1-0.937時能量設置2個門限ampl和amph，以及過零率閥值zcr。語音起始點從第11幀開始檢測，其流程3。語音結(jié)束點的檢測方法與檢測起點相似，但此時從后向前搜索。圖 本文選取能夠反映人對語音的感知特性的Mel頻率倒譜系數(shù)(MFCC)12。09的對軟件編程也有了一定的理解，為將來從事這方面的課題打下了堅實的基礎(chǔ)。:[1].語音編碼[M].西安:西安電子科技大學:

擴展編程

.實用語音識別基礎(chǔ)[M].:國防工業(yè) [4]初,等.語音信號處理[M].:國防工業(yè)[5].語音信號處理[M].哈爾濱:哈爾濱工業(yè)大學::[7],等.實用語音識別基礎(chǔ)[M].:國防工業(yè)

:[8]林波,.基于DTW改進算法的弧立詞識別系統(tǒng)的仿真與分析[J].,2006,30(4):56-:

[10].語音信號端點檢測算法研究[D].長沙:湖南師范大學fori=1:10[x1x2]=vad(x);fori=1:10 %采樣 %語音信 xlabel('Frequencyinrad/sample')ylabel('MagnitudeindB') xlabel('Frequencyinrad/sample')ylabel('Phaseindegrees') %變換% %FFT%title('fft變換后信號') %反變換%title('ifft后信號%短時變 % % %計算把數(shù)據(jù)x共分成多少段 %FFT的長度 fori=1:Tn %FFT變換 %0for %TFtitle('短時變換時頻圖')fori=1:10[x1x2]=vad(x);fori=1:10forfori=1:10fprintf('測試模板%d的識別結(jié)果為:%d\n',i-1,j-1);functiondist=dtw(t,r)fori=1:nforfori=2:nforj=1:mififj>2functionf=enframe(x,win,inc)if(nwin==len=win;len=if(nargin<3)inc=len;nf=fix((nx-len+inc)/inc);indf=inc*(0:(nf-1)).';inds=(1:len);f(:)=x(indf(:,ones(1,len))+inds(ones(nf,1),:));if(nwin>1)w=f=f.* function[x,mn,mx]=me ifnargin<6ifnargin<5ifnargin<4%converttofftbinnumberswith0forDCtermbl=n*((f0+fl)*exp([01pp+1]*lr)-f0);ifany(w=='y')r=[ones(1,b2)fpfp+1p*ones(1,fn2-b3)];c=[1:b3+1b2+1:fn2+1];v=2*[0.5ones(1,b2-1)1-pf+fppf-fpones(1,fn2-b3-1)0.5];

r=[fp(k2:k4)1+fp(1:k3)];c=[k2:k41:k3];v=2*[1-pm(k2:k4)pm(1:k3)];ifelseifany(w=='m')ifnargout>1function%mel %DTC系數(shù)fork=1:12xx=filter([1-%MFCCfori=1:size(xx,1)fori=3:size(m,1)-2%mfccmfccccc=[mfunctionmaxsilence=3;%3*10ms=30msminlen=15;%15*10ms=150ms%%amp=sum(abs(enframe(filter([1-forn=1:length(zcr)switch ifamp(n)>amp1確信進入語音段elseifamp(n)>amp2zcr(n)>zcr(2)可能處于語音段else%靜音狀態(tài)case