神網(wǎng)絡(luò)語(yǔ)音識(shí)別技術(shù)應(yīng)用

10段語(yǔ)音樣本驗(yàn)證語(yǔ)音識(shí)針對(duì)問(wèn)題一，本文從端點(diǎn)檢測(cè)、特征提?。∕FCC參數(shù)、模式識(shí)別三個(gè)方10段語(yǔ)音；然后根據(jù)問(wèn)題一模75%。1231.11譜系數(shù)LPCC)、梅爾倒譜系數(shù)三種不同參數(shù)的優(yōu)缺點(diǎn)后，選取了MFCC參數(shù)作本的MFCC，最后通過(guò)三維圖形加以展示。針對(duì)模式識(shí)別環(huán)節(jié)，本文選取了動(dòng)態(tài)時(shí)間歸整方法(DTW)，矢量量化方法3語(yǔ)音識(shí)別模型的驗(yàn)證做準(zhǔn)備。-121.33該問(wèn)題實(shí)質(zhì)上是按照1.2中用戶操作規(guī)則驗(yàn)證1.1語(yǔ)音識(shí)別模型的識(shí)別精度10段語(yǔ)音樣本，樣本內(nèi)容為“查13.1MFCC-2訓(xùn)練階段的模型對(duì)用戶語(yǔ)音進(jìn)行模式識(shí)別、加工處理得到最終的識(shí)別結(jié)果。MicrosoftVisio1語(yǔ)言訓(xùn)練數(shù)據(jù)訓(xùn)練階段的模型對(duì)用戶語(yǔ)音進(jìn)行模式識(shí)別、加工處理得到最終的識(shí)別結(jié)果。MicrosoftVisio1語(yǔ)言訓(xùn)練數(shù)據(jù)文本訓(xùn)練數(shù)據(jù)4.1.2（1）在建模過(guò)程中，以本人的聲音作為分析樣本。在Matlab中使用wavrecord(n,fs,ch,’dtype’)1，查詢24kHz-3學(xué)聲訓(xùn)語(yǔ)（fs（fs取為“double16sound函數(shù)可以較清晰地聽(tīng)到讀音，同時(shí)發(fā)現(xiàn)語(yǔ)音開(kāi)始7.12（2）]0nN0.540.46N-4基于上述描述，利用Matlab對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)處理，對(duì)語(yǔ)音信號(hào)進(jìn)行分幀，voicebox基于上述描述，利用Matlab對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)處理，對(duì)語(yǔ)音信號(hào)進(jìn)行分幀，voiceboxenframe。voiceboxGNU協(xié)議3len=200inc=1003window1204所示(7.2)4（3）-5]]其中，0.93757.35所謂端點(diǎn)檢測(cè)[2]-6語(yǔ)音信號(hào)為s(n，那么第n幀語(yǔ)音信號(hào)的短時(shí)平均能量E為：語(yǔ)音信號(hào)為s(n，那么第n幀語(yǔ)音信號(hào)的短時(shí)平均能量E為： E s其中，N(2)短時(shí)過(guò)零率：一幀語(yǔ)音中語(yǔ)音信號(hào)波形穿過(guò)橫軸的次數(shù)。它可以用來(lái)區(qū)分清音和濁音。語(yǔ)音信號(hào)s(n的短時(shí)過(guò)零率Z為： Zsgn[s(n)]sgn[s(n(x (x0)，N為幀長(zhǎng)]2Matlab軟件進(jìn)行分析時(shí)，門限zcr1=10，過(guò)零率最低門限zcr2=5。-7短時(shí)能量 短時(shí)過(guò)零率 Matlab1Matlab1wav文件進(jìn)行端圖 4.2.2語(yǔ)音特征提取[4測(cè)分析得到的參數(shù)，比如線性預(yù)測(cè)系數(shù)C)、線性預(yù)測(cè)倒譜系數(shù)CC)等；，如梅爾倒譜系數(shù)CC)等。明MFCC參數(shù)能夠比LPCC參數(shù)更好地提高系統(tǒng)的識(shí)別性能。基于相關(guān)理論知識(shí)及上述描述，我們選取Mel倒譜系數(shù)MFCC)進(jìn)行特征參-8S(k) ,(0kNS(k) ,(0kN在離散頻率點(diǎn)上乘積之和，得到M個(gè)參數(shù)P(k)SH(k),(0mM1為了簡(jiǎn)化模型，本文將三角濾波器簡(jiǎn)化為[6kf(m1)f(m1)kf(m)kf(mkf(mkf(mf(m)f(m(其中Hm(kHm(k)f(m1)f(m1) D 去直取對(duì)-9功率功率預(yù)加重處理參8所示。81.wav特征參數(shù)MFCC提取，編程過(guò)程中，我們?cè)O(shè)采樣率fs8000KHz，置濾波器的個(gè)數(shù)M24，一幀語(yǔ)音信號(hào)的點(diǎn)數(shù)N256。-10軸為語(yǔ)音分析幀數(shù)、z軸為倒譜值，其MFCC10所示（具體程序見(jiàn)軸為語(yǔ)音分析幀數(shù)、z軸為倒譜值，其MFCC10所示（具體程序見(jiàn)7.5。4.2.3量化方法(VQ)，隱馬爾科夫模型方法(HMM),人工神經(jīng)網(wǎng)絡(luò)方法(ANN)等[4DTW算法是較早的一種模式匹配和模型訓(xùn)練方法，它應(yīng)用動(dòng)態(tài)規(guī)劃方法成行模式識(shí)別匹配[71(1)BP輸入輸出隱含BP-11神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)是指神經(jīng)元之間的互連結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)采用的是并11BP網(wǎng)絡(luò)結(jié)構(gòu)。(2)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)是指神經(jīng)元之間的互連結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)采用的是并11BP網(wǎng)絡(luò)結(jié)構(gòu)。(2)(yy E212所示。神經(jīng)網(wǎng)絡(luò)語(yǔ)音識(shí)別輸輸12文獻(xiàn)[7第一幀到第N，將其對(duì)應(yīng)的各個(gè)系數(shù)歸一化成一組系數(shù)，也就是計(jì)算查找參數(shù)： -12提取當(dāng)找到了第k1幀和弟k11幀之間的距離最小時(shí),即按下式將其歸整成兩幀Matlabguizheng函數(shù)[7（7.6824列的矩陣：10.9287-當(dāng)找到了第k1幀和弟k11幀之間的距離最小時(shí),即按下式將其歸整成兩幀Matlabguizheng函數(shù)[7（7.6824列的矩陣：10.9287- -0.8366--5.1605-15.2941- 7.74.313所示。-13消息預(yù)處理后的語(yǔ)音表征語(yǔ)音的參數(shù)返回識(shí)別信息返回識(shí)別信息13動(dòng)態(tài)模型。動(dòng)態(tài)模型[9建立過(guò)程簡(jiǎn)化如下：34消息預(yù)處理后的語(yǔ)音表征語(yǔ)音的參數(shù)返回識(shí)別信息返回識(shí)別信息13動(dòng)態(tài)模型。動(dòng)態(tài)模型[9建立過(guò)程簡(jiǎn)化如下：34-14 UC01端點(diǎn)檢 UC02特征提 UC03語(yǔ)音識(shí) 語(yǔ)音識(shí)別特征提取端點(diǎn)檢測(cè)4根據(jù)上面的分析方法，并參考用戶操作手冊(cè)編寫規(guī)范[10]54根據(jù)上面的分析方法，并參考用戶操作手冊(cè)編寫規(guī)范[10]54.4110段語(yǔ)音將其中兩段作為標(biāo)準(zhǔn)樣本，另外八段語(yǔ)1-15 6624.26624.2Matlabwavrecord141516所示。14-16查詢?cè)捹M(fèi)余額（1（標(biāo)準(zhǔn)1（1（1（數(shù)學(xué)建模（14“114“115-1716MFCC1234MFCC參數(shù)。416MFCC1234MFCC參數(shù)。41匹配。模型識(shí)別正確率用r表示、待測(cè)養(yǎng)樣本總數(shù)為n、語(yǔ)音樣本匹配正確數(shù)為m，那r6由上表可知，模型的識(shí)別準(zhǔn)確率r755.1模型的優(yōu)點(diǎn)：1)本文分別對(duì)語(yǔ)音識(shí)別的各個(gè)環(huán)節(jié)建模分析，對(duì)于端點(diǎn)檢測(cè)MCC2)Mtlb編程軟件，3使用圖表呈現(xiàn)計(jì)算結(jié)果一目了然，真實(shí)準(zhǔn)確。4-18對(duì)語(yǔ)音特征參數(shù)進(jìn)行規(guī)整，舍棄了部分?jǐn)?shù)據(jù)，對(duì)識(shí)別精度對(duì)造成影響。(2)對(duì)語(yǔ)MFCC數(shù)據(jù)的挖掘有待加強(qiáng)。對(duì)語(yǔ)音特征參數(shù)進(jìn)行規(guī)整，舍棄了部分?jǐn)?shù)據(jù)，對(duì)識(shí)別精度對(duì)造成影響。(2)對(duì)語(yǔ)MFCC數(shù)據(jù)的挖掘有待加強(qiáng)。5.2人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks,ANN)是由大量結(jié)構(gòu)簡(jiǎn)單的神經(jīng)元Matlab31Matlab的語(yǔ)音端點(diǎn)檢測(cè)實(shí)驗(yàn)研究，浙江科技學(xué)院學(xué)報(bào)197張仁志，基于短時(shí)能量的語(yǔ)音端點(diǎn)檢測(cè)算法研究，語(yǔ)音技術(shù)，34(6)：52進(jìn)，語(yǔ)音技術(shù)，32(7)：7678，2001.MatlabBP)176何強(qiáng)，何英，Matlab鄭人杰，馬素霞，殷人民，軟件工程概論，北京:7.1Matlabn=5*8000;400008KHz，單聲道，16-197.27.2Matlab %分幀函數(shù)，x%window120w=%wvtool7.3Matlab-20%7.4Matlab%1wavstatus=0;%0；count=0;%0； diffs=(tmp1-tmp2)>0.02;zcr=sum(signs.*diffs,amp=sum(abs(enframe(filter([1--21amp1=min(amp1,max(amp)/4);amp2=min(amp2,y1=y2=foramp1=min(amp1,max(amp)/4);amp2=min(amp2,y1=y2=forn=1:length(zcr)goto=0;switchstatuscaseifamp(n)>x1=max(n-count-1,1); =2;silence=0=靜音%=count+elseifamp(n)>amp2|...zcr(n)>zcr2status=1;case2,=count+%==%2ifamp(n)>amp2|...zcr(n)>zcr2count=count+1;silence=%ifsilence<maxsilence=count+elseifcount<minlen =0;silence=%=%=case3,-22count=count-silence/2;y2=y1+count-1;axis([1length(y)count=count-silence/2;y2=y1+count-1;axis([1length(y)-1line([y1*FrameIncy1*FrameInc],[-11],'Color',line([y2*FrameIncy2*FrameInc],[-11],'Color','red');axis([1length(amp)0max(amp)])line([y1y1],[min(amp),max(amp)],'Color',line([y2y2],[min(amp),max(amp)],'Color','red');axis([1length(zcr0max(zcr)])line([y1y1],[min(zcr),max(zcr)],'Color',line([y2y2],[min(zcr),max(zcr)],'Color',7.5（MFCC參數(shù)）Matlab%MFCCfunction%mel濾波器組系數(shù)for-23xx=filter([1-%MFCCfori=1:size(x