基于matlab的語音識別技術(shù)

1、項目題目： 基于Matlab的語音識別 一、引言語音識別技術(shù)是讓計算機識別一些語音信號，并把語音信號轉(zhuǎn)換成相應(yīng)的文本或者命令的一種高科技技術(shù)。語音識別技術(shù)所涉及的領(lǐng)域非常廣泛，包括信號處理、模式識別、人工智能等技術(shù)。近年來已經(jīng)從實驗室開始走向市場，滲透到家電、通信、醫(yī)療、消費電子產(chǎn)品等各個領(lǐng)域，讓人們的生活更加方便。語音識別系統(tǒng)的分類有三種依據(jù):詞匯量大小，對說話人說話方式的要求和對說話人的依賴程度。(1)根據(jù)詞匯量大小，可以分為小詞匯量、中等詞匯量、大詞匯量及無限詞匯量識別系統(tǒng)。(2)根據(jù)對說話人說話方式的要求，可以分為孤立字(詞)語音識別系統(tǒng)、連接字語音識別系統(tǒng)及連續(xù)語音識別系統(tǒng)。(3)根

2、據(jù)對說話人的依賴程度可以分為特定人和非特定人語音識別系統(tǒng)。二、語音識別系統(tǒng)框架設(shè)計2.1語音識別系統(tǒng)的基本結(jié)構(gòu)語音識別系統(tǒng)本質(zhì)上是一種模式識別系統(tǒng)，其基本結(jié)構(gòu)原理框圖如圖l所示，主要包括語音信號預(yù)處理、特征提取、特征建模(建立參考模式庫)、相似性度量(模式匹配)和后處理等幾個功能模塊，其中后處理模塊為可選部分。三、語音識別設(shè)計步驟3.1語音信號的特征及其端點檢測圖2 數(shù)字7開始部分波形圖2是數(shù)字”7”的波形進行局部放大后的情況，可以看到，在6800之前的部分信號幅度很低，明顯屬于靜音。而在6800以后，信號幅度開始增強，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，兩個尖峰之間的

3、距離就是所謂的基音周期，實際上也就是說話人的聲帶振動的周期。這樣可以很直觀的用信號的幅度作為特征，區(qū)分靜音和語音。只要設(shè)定一個門限，當信號的幅度超過該門限的時候，就認為語音開始，當幅度降低到門限以下就認為語音結(jié)束。3.2 語音識別系統(tǒng) 3.2.1語音識別系統(tǒng)的分類語音識別按說話人的講話方式可分為3類：（1）即孤立詞識別（isolated word recognition)，孤立詞識別 的任務(wù)是識別事先已知的孤立的詞，如“開機”、“關(guān)機”等。（3）連續(xù)語音識別，連續(xù)語音識別的任務(wù)則是識別任意的連續(xù)語音，如一個句子或一段話。從識別對象的類型來看，語音識別可以分為特定人語音識別和非特定人語音識別，特

4、定人是指針對一個用戶的語音識別，非特定人則可用于不同的用戶。顯然，非特定人語音識別系統(tǒng)更符合實際需要，但它要比針對特定人的識別困難得多。 3.2.2語音識別系統(tǒng)的基本構(gòu)成語音識別系統(tǒng)的實現(xiàn)方案如圖3所示。輸入的模擬語音信號首先要進行處理，包括預(yù)濾波，采樣和量化，加窗，端點檢測，預(yù)加重等。語音信號經(jīng)處理后，接下來很重要的一環(huán)就是特征參數(shù)提取。圖3 語音識別系統(tǒng)在訓(xùn)練階段，將特征參數(shù)進行一定的處理之后，為每個詞條得到一個模型，保存為模版庫。在識別階段，語音信號經(jīng)過相同的通道得到語音參數(shù)，生成測試模版，與參考模板進行匹配，將匹配分數(shù)最高的參考模型作為識別結(jié)果。3. 2.3 語音識別系統(tǒng)的特征參數(shù)提取

5、特征提取是對語音信號進行分析處理，去除對語音識別無關(guān)緊要的冗余信息，獲得影響語音識別的重要信息。語音信號是一種典型的時變信號，然而如果把觀察時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。人的發(fā)音器官可以用若干段前后連接的聲管進行模擬，這就是所謂的聲管模型。全極點線性預(yù)測參數(shù) (LPC: Liner Prediction Coeffieient)可以對聲管模型進行很好的描述，LPC參數(shù)是模擬人的發(fā)聲器官的，是一種基于語音合成的參數(shù)模型。在語音識別中，很少用LPC系數(shù)，而是用LPC倒譜參數(shù) (LPCC: Liner Prediction Cepstral Coefficient)。L

6、PCC參數(shù)的優(yōu)點是計算量小，對元音有較好的描述能力，其缺點在于對輔音的描述能力較差，抗噪聲性能較差。然而，人的聽覺系統(tǒng)是一個特殊的非線性系統(tǒng)，它響應(yīng)不同頻率信號的靈敏度是不同的，基本上是一個對數(shù)關(guān)系。近年來，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:Mel一Frequency CePstral Coeffieient)。MFCC參數(shù)能夠比LPCC參數(shù)更好地提高系統(tǒng)的識別性能。3.2.4 特定人語音識別算法DTW算法在孤立詞語音識別中，最為簡單有效的方法是采用DTW（Dynamic Time Warping，動態(tài)時間歸整）算法，該算法基于動

7、態(tài)規(guī)劃（DP）的思想，解決了發(fā)音長短不一的模板匹配問題，是語音識別中出現(xiàn)較早、較為經(jīng)典的一種算法，用于孤立詞識別。HMM算法在訓(xùn)練階段需要提供大量的語音數(shù)據(jù)，通過反復(fù)計算才能得到模型參數(shù)，而DTW算法的訓(xùn)練中幾乎不需要額外的計算。所以在孤立詞語音識別中，DTW算法仍然得到廣泛的應(yīng)用。 無論在訓(xùn)練和建立模板階段還是在識別階段，都先采用端點算法確定語音的起點和終點。已存入模板庫的各個詞條稱為參考模板，一個參考模板可表示為R=R（1），R（2），R（m），R（M），m為訓(xùn)練語音幀的時序標號，m=1為起點語音幀，m=M為終點語音幀，因此M為該模板所包含的語音幀總數(shù)，R（m）為第m幀的語音特征矢量。所要

8、識別的一個輸入詞條語音稱為測試模板，可表示為T=T（1），T（2），T（n），T（N），n為測試語音幀的時序標號，n=1為起點語音幀，n=N為終點語音幀，因此N為該模板所包含的語音幀總數(shù)，T（n）為第n幀的語音特征矢量。參考模板與測試模板一般采用相同類型的特征矢量（如MFCC，LPC系數(shù)）、相同的幀長、相同的窗函數(shù)和相同的幀移。四、基于Matlab的語音識別系統(tǒng)仿真4.1 語音模板的獲取運用系統(tǒng)的采集模塊錄制一個普通男聲聲音，錄制 十個語音為實驗對象 分別命名為， 分析處理后提取特征參數(shù)，經(jīng)過模板訓(xùn)練，為十個語音分別選取最合適的語音作為模板，存入數(shù)據(jù)庫建立參考模型庫。4.2 語音訓(xùn)練類似，錄制一組普通男聲的聲音，同樣為 十個語音，作為十個待測語音信號。 圖4 數(shù)字0的訓(xùn)練波形及系數(shù)4.3 語音識別訓(xùn)練結(jié)束后，用錄音設(shè)備錄入09中的數(shù)字，經(jīng)過波形及系數(shù)匹配識別出錄入數(shù)字，并正確顯示識別結(jié)果。圖4 數(shù)字0的識別結(jié)果五 總結(jié)通過這次二級項目，更深入的了解的Matlab軟件強大的功能，了解了利用Matlab軟件進行界面設(shè)計等。學習到語音識別技術(shù)仿真中各函數(shù)的運用。在不斷地改進和完善中，這次二級項目終于順利完成。參考文獻1何強、何英. MATLAB擴展編程北京：清華大學出版社， 200262江官星 王建英