音識(shí)別之MFCC特征提取演示課件

1、語音識(shí)別之語音識(shí)別之mfccmfcc特征提取特征提取報(bào)告人：湯旭國(guó)學(xué)號(hào)：113034909311/1/2021語音識(shí)別應(yīng)用語音識(shí)別應(yīng)用預(yù)處理模塊預(yù)處理模塊：對(duì)輸入的原始語音信號(hào)進(jìn)行處理濾除掉不重要的信息及背景噪聲語音分幀（近似認(rèn)為語音信號(hào)在10-30ms內(nèi)是短時(shí)平穩(wěn)的）預(yù)加重（提升高頻部分）等處理特征提取特征提?。喝コZ音信號(hào)中對(duì)于語音識(shí)別無用的冗余信息保留反映語音本質(zhì)特征的信息 即提取出反映語音信號(hào)特征的關(guān)鍵特征參數(shù)形成特征矢量 序列，以便用于后續(xù)處理聲學(xué)模型訓(xùn)練：聲學(xué)模型訓(xùn)練：根據(jù)訓(xùn)練語音庫(kù)的特征參數(shù)訓(xùn)練出聲學(xué)模型參數(shù) 在識(shí)別時(shí)可以將待識(shí)別的語音的特征參數(shù)同聲學(xué)模型進(jìn)行匹配，得到識(shí)別結(jié)果。

2、語言模型訓(xùn)練：語言模型訓(xùn)練：語言模型是用來計(jì)算一個(gè)句子出現(xiàn)概率的概率模型。 它主要用于決定哪個(gè)詞序列的可能性更大，或者在出現(xiàn)了幾個(gè)詞的情況下預(yù)測(cè)下一個(gè)即將出現(xiàn)的詞語的內(nèi)容。語音解碼和搜索算法：語音解碼和搜索算法：針對(duì)輸入的語音信號(hào)，根據(jù)己經(jīng)訓(xùn)練好的hmm聲學(xué)模型、語言模型及字典建立一個(gè)識(shí)別網(wǎng)絡(luò)根據(jù)搜索算法在該網(wǎng)絡(luò)中尋找最佳的一條路徑，這個(gè)路徑就是能夠以最大概率輸出該語音信號(hào)的詞串語音是怎么產(chǎn)生語音是怎么產(chǎn)生 人通過改變聲道的shape發(fā)出的不同聲音。聲道的shape包括舌頭，牙齒等。 我們可以分析不同聲道產(chǎn)生的語音短時(shí)功率譜的包絡(luò)識(shí)別語音 mfccs（mel frequency cepstra

3、l coefficents）是一種能準(zhǔn)確描述這個(gè)包絡(luò)的特征，在語音識(shí)別人工特征方面，可謂是一枝獨(dú)秀主要的幾個(gè)概念聲譜圖（spectrogram）倒譜分析（cepstrum analysis）mel頻率分析（mel-frequency analysis）梅爾倒頻譜系數(shù)（mel-frequency cepstral coefficients）一、聲譜圖（一、聲譜圖（spectrogram）fft fft fft 一、聲譜圖（一、聲譜圖（spectrogram）一、聲譜圖（一、聲譜圖（spectrogram）一、聲譜圖（一、聲譜圖（spectrogram）一、聲譜圖（一、聲譜圖（spectrogra

4、m）一、聲譜圖（一、聲譜圖（spectrogram）一、聲譜圖（一、聲譜圖（spectrogram）一、聲譜圖（一、聲譜圖（spectrogram）一、聲譜圖（一、聲譜圖（spectrogram）一、聲譜圖（一、聲譜圖（spectrogram）二、二、cepstrum analysis峰值表示語音的主要頻率成分，我們把這些峰值稱為共振峰（formants）共振峰攜帶了聲音的辨識(shí)屬性（就是個(gè)人身份證一樣，所以它特別重要）。用它就可以識(shí)別不同的聲音。如何提?。慷?、二、cepstrum analysis語音信號(hào)序列時(shí)域：x(n)=h(n)*e(n)頻域：x(k)=h(k)e(k)為了較好地將語音信號(hào)

5、中的激勵(lì)信號(hào)和聲道響應(yīng)分離倒譜：log|xk |= log |hk |+ log |ek |二、二、cepstrum analysis慢變化的包絡(luò)快變化的周期化細(xì)致結(jié)構(gòu)二、二、cepstrum analysis我們需要把這兩部分分離開-卷積同態(tài)系統(tǒng)二、二、cepstrum analysis二、二、cepstrum analysis二、二、cepstrum analysismel-frequency analysis現(xiàn)在給我們一段語音，我們可以得到它的頻譜包絡(luò)（連接所有共振峰值點(diǎn)的平滑曲線）理論我們可以得到特征向量，但是mel-frequency analysis人類聽覺感知的實(shí)驗(yàn)表明:聽覺系統(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，人耳就像一個(gè)濾波器組這些濾波器在頻率坐標(biāo)軸上不是統(tǒng)一分布的 在低頻區(qū)域，分布密集 在高頻區(qū)域，分布稀疏 如果在語音識(shí)別系統(tǒng)中能模擬人類聽覺感知處理特點(diǎn)，就有可能提高語音的識(shí)別率mel-frequency analysis梅爾頻率倒譜系數(shù)（mel frequency cepstrum coefficient, mfcc）考慮了人類的聽覺特征，先將線性頻譜映射到基于聽覺感知