典型簡單匹配語音識別方式技術(shù)研究

1、典型簡單匹配語音識別方式技術(shù)研究范崇山陳新偉羅智榮劉樂林秋文【摘要】本文從人類語言交流系統(tǒng)模型中獲取思路，重點研究小詞匯量、詞語間相互獨立的基于簡單模板匹配工作原理的語音識別模式。本文在語音識別的預(yù)處理、特征提取等環(huán)節(jié)深入討論，并進行了一系列仿真實驗對典型簡單模板匹配語音識別方式中的使用技術(shù)如：語音信號模型的建立、窗函數(shù)等做出清晰地說明?！娟P(guān)鍵詞】語音識別；簡單模板匹配；預(yù)處理；特征提取1語音識別技術(shù)原理語音識別是為了讓機器“懂我們的語言，準確無誤地識別出我們發(fā)出語音內(nèi)容，并且做出符合語音內(nèi)容的一系列動作，執(zhí)行我們的意圖。分析人類語言交流通信的過程，可以啟發(fā)我們的研究思路。對人類語音通信流程1

2、-2分析如圖1。由人類語音通信流程框圖可以看出，人類發(fā)出語音過程如圖左半局部，語音理解過程如圖右半局部。語音識別包括兩種含義，一是：將人類說的話轉(zhuǎn)換成文字，二是：在充分理解口述語音的根底上，不僅僅是將語音轉(zhuǎn)換為文字信息，而且對語音內(nèi)容也要作出正確響應(yīng)【3】。在此，本文認為語音識別和語音理解意義等同，所以可用圖1右側(cè)局部流程可將語音識別過程。目前語音識別技術(shù)應(yīng)用中大局部都是小詞匯量，詞語間相互獨立基于簡單模板匹配工作原理的識別模式。針對這種典型的語音識別模式，原理流程路線圖【4】如圖2所示：1.1基于發(fā)音模型的語音信號產(chǎn)生模型語音信號的產(chǎn)生是語音識別技術(shù)的基石，在語音信號處理的大局部過程中對語音

3、信號產(chǎn)生模型有很強的依賴性。本文研究過程中，首先對人類發(fā)音過程進行了解：人類發(fā)音流程是首先肺部收縮，迫使氣流通過聲門和聲道引起音頻震蕩產(chǎn)生【3】。根據(jù)人的聲道三種不同鼓勵方式，分別對應(yīng)產(chǎn)生了三種被大家熟知的發(fā)音類型，分別是濁音，摩擦音或清音，爆破音。語音信號可看做由線性系統(tǒng)受到鼓勵信號的鼓勵輸出產(chǎn)生。如圖3是基于發(fā)音模型的語音信號產(chǎn)生模型流程圖：如圖3建立的語音信號產(chǎn)生模型中認為濁音是周期為N0的沖激信號，且N0=fs/F0其中F0是基音頻率，fs是采樣頻率。清音認為是一個均值為0，幅值是正態(tài)分布的波形信號。參數(shù)Av，Au分別用來調(diào)節(jié)濁音和清音的幅值。從已有語音識別技術(shù)研究結(jié)果可知，窗函數(shù)類型

4、眾多，使用不同形式的窗函數(shù)對短時分析處理語音信號結(jié)果有很大的影響。目前應(yīng)用最廣泛的窗函數(shù)是漢明窗，結(jié)合仿真實驗分析可以看出：高斯窗函數(shù)的橫向主瓣寬度最小，但其縱向旁瓣高度最高；漢明窗函數(shù)的橫向主瓣寬度最寬，縱向旁瓣高度是三種窗函數(shù)中最低的。2.3端點檢測語音信號的起始點是語音信號處理的關(guān)鍵分界點，端點檢測的目的就是找到連續(xù)語音信號中的信號起始點。常用的端點檢測方法有兩種，分別是短時平均能量和短時過零率【6】。當(dāng)下流行的端點檢測方法是短時平均能量和短時過零率兩者的結(jié)合，稱這種方法為雙門限端點檢測算法【7】。在實際問題中通常采用兩者結(jié)合解決問題。本文同樣是采用兩者結(jié)合的方法，利用短時過零率方法檢測

5、語音信號波形穿越零電平的次數(shù)，既代表的是清音；用短時平均能量方法計算第y幀語音信號的短時平均能量Ey，既代表的是濁音，進而實現(xiàn)可靠的端點檢測。3特征提取目前特征是語音信號預(yù)處理中的重要步驟。在實際特征提取中，較常采用的參數(shù)是線性預(yù)測倒譜系數(shù)LPCC和Mel倒譜系數(shù)MFCC。二者采用的均是時域轉(zhuǎn)換到倒譜域上，但是出發(fā)思路兩者不同。線性預(yù)測倒譜系數(shù)LPCC以人類發(fā)聲模型為根底，采用線性預(yù)測編碼LPC技術(shù)求倒譜系數(shù)；Mel倒譜系數(shù)MFCC以人類聽覺模型為根底，通過離散傅利葉變換DFT進行變換分析。其中k表示第k個濾波器，Hmk表示第k個mel濾波器組，fm為中心頻率，m=1，2，K，K表示濾波器個數(shù)

6、。經(jīng)過仿真實驗分析比較，可以分析得出Mel倒譜系數(shù)MFCC參數(shù)較線性預(yù)測倒譜系數(shù)LPCC參數(shù)的優(yōu)點，優(yōu)點如下：1語音低頻信號是語音信息的聚集區(qū)，高頻信號相對低頻語音信號更容易受到周圍環(huán)境等的干擾。Mel倒譜系數(shù)MFCC將線性頻標轉(zhuǎn)化為Mel頻標，強調(diào)語音的低頻信息，從而突出了有利于識別的信息，屏蔽了噪聲的干擾8。LPCC參數(shù)是基于線性頻標的，所以沒有這一特點；2MFCC參數(shù)無任何假設(shè)前提，在各種語音信號預(yù)處理情況下均可使用，但是LPCC參數(shù)首先假定所處理的語音信號是AR信號，對于動態(tài)特性較強的輔音，這個假設(shè)并不嚴格成立8；3MFCC參數(shù)提取過程中需要經(jīng)過FFT變換，我們可以順便獲得語音信號頻域

7、上的全部信息，不需要多花費時間處理，有利于端點檢測、語音分段等算法實現(xiàn)8。4訓(xùn)練與識別訓(xùn)練和識別是語音識別的中心內(nèi)容，有很多專家學(xué)者研究了一系列成果。語音識別實質(zhì)是模式匹配的過程，而對分類器和分類決策的設(shè)計9又是模式匹配的核心。在現(xiàn)有的分類器設(shè)計10-11中，經(jīng)常使用的有：動態(tài)時間規(guī)整DynamicTimeWarping，DTW分類器、基于人工神經(jīng)網(wǎng)絡(luò)ArtificialNeuralNetworks，ANN分類器、基于高斯混合模型GMM分類器、基于Bayes規(guī)那么的分類器、基于HMM分類器12等。本文重點討論語音信號預(yù)處理中技術(shù)及實現(xiàn)，對訓(xùn)練和識別技術(shù)不再做研究描述?！緟⒖嘉墨I】【1】尹巖巖.

8、基于語音識別與合成的低速率語音編碼研究D.上海師范大學(xué)，2021.【2】張偉偉.通信系統(tǒng)中語音質(zhì)量評價的研究D.北京郵電大學(xué)，2021.【3】朱淑琴.語音識別系統(tǒng)關(guān)鍵技術(shù)研究D.西安電子科技大學(xué)，2021.【4】王偉臻.基于神經(jīng)網(wǎng)絡(luò)的語音識別研究D.浙江大學(xué)，2021.【5】鐘林鵬.說話人識別系統(tǒng)中的語音信號處理技術(shù)研究D.電子科技大學(xué)，2021.【6】周剛，周萍，楊青.一種簡單的噪聲魯棒性語音端點檢測方法J.測控技術(shù)，2021，02：31-34.【7】薛勝堯.基于改進型雙門限語音端點檢測算法的研究J.電子設(shè)計工程，2021，04：78-81.8惠博.語音識別特征提取算法的研究及實現(xiàn)D.西北大學(xué)，2021.9張寧.基于決策樹分類器的遷移學(xué)習(xí)研究D.西安電子科技大學(xué)，2021.10汪云云.結(jié)