聲音識(shí)別基礎(chǔ)知識(shí)

1、聲音識(shí)別基礎(chǔ)知識(shí)2015級(jí)電子與通信工程 董雪聲音識(shí)別原理語(yǔ)音輸入語(yǔ)音輸入訓(xùn)練訓(xùn)練識(shí)別識(shí)別結(jié)果結(jié)果聲音識(shí)別的過(guò)程 聲音的預(yù)處理：振幅歸一化、預(yù)加重、樣本分割、加窗 特征提?。禾卣鲄?shù)可以是能量、基音頻率、共振峰值等，較常見(jiàn)的是線性預(yù)測(cè)倒譜系數(shù)LPCC、Mel倒譜系數(shù)MFCC。二者均為將聲音信號(hào)變換到倒譜域上。幅值歸一化 幅值歸一化就是把每一個(gè)采樣值除以本段信號(hào)的幅值。即： 其中， 是原始信號(hào)， 是歸一化后的信號(hào)，n是信號(hào)長(zhǎng)度。01( )( )/ max ( )i nX ix ix i ( )x i( )X i預(yù)加重處理 目的：對(duì)高頻部分進(jìn)行加重，增加語(yǔ)音的高頻分辨率。 實(shí)現(xiàn)方式：一般通過(guò)傳遞函

2、數(shù) 的一階FIR高通數(shù)字濾波器來(lái)實(shí) 現(xiàn)預(yù)加重，其中， 為預(yù)加重系 數(shù)，其值介于0.9到1.0之間。 11H zz 加窗處理 預(yù)加重處理后，進(jìn)行加窗分幀處理。 原理：由于發(fā)聲器官的慣性運(yùn)動(dòng)，可以認(rèn)為在一小段時(shí)間內(nèi)（一般為1030ms）語(yǔ)音信號(hào)近似不變，即語(yǔ)音信號(hào)具有平穩(wěn)性。這樣，可以把語(yǔ)音信號(hào)分為一些短段（分析幀）。語(yǔ)音信號(hào)的分幀是采用可移動(dòng)的有限長(zhǎng)度窗口進(jìn)行加權(quán)的方法實(shí)現(xiàn)。一般每秒33100幀。加窗處理 雖采用連續(xù)分段，但一般采用交疊分段 的方法使幀與幀之間平滑過(guò)渡，保持連 續(xù)性。前幀與后幀的交疊部分稱(chēng)為幀移 ，幀移與幀長(zhǎng)的比值一般取01/2。 常用窗： 一種是矩形窗： 另一種是漢明窗：1,0

3、10,( )n Nothersn 0.54 0.46cos2/(1),00,nNn Nothers 矢量量化 基本原理：先把信號(hào)序列的每K個(gè)連續(xù)樣點(diǎn)分成一組，形成N維歐式空間中的一個(gè)矢量，然后對(duì)此矢量進(jìn)行量化。矢量量化就是把一個(gè)K維模擬矢量X映射為另一個(gè)k維量化矢量，其數(shù)學(xué)表達(dá)式為：Y=Q(X)。 矢量量化系統(tǒng)通?？梢苑纸鉃閮蓚€(gè)映射的乘積：Q=ab。a是編碼器，將輸入矢量X映射為信道符號(hào)集 中的一個(gè)元 ；b是譯碼器，它是將信道符號(hào)集 映射為碼書(shū)中的一個(gè)碼字Yi。NIjiji矢量量化 失真測(cè)度：要對(duì)落在二維空間的模擬矢量X=(a1，a2)進(jìn)行量化，要先選擇一個(gè)合適 的失真測(cè)度，而后利用最小失真原

4、則，分別計(jì)算用量化矢量Yi替代X所帶來(lái)的失真。 其中最小失真值所對(duì)應(yīng)的那個(gè)量化矢量Yi中某一個(gè)就是模擬矢量X的重構(gòu)矢量。通常把所有N個(gè)量化矢量構(gòu)成的集合稱(chēng)之為碼書(shū)或碼本。碼書(shū)中的矢量稱(chēng)之為碼字或碼矢。矢量量化 常用的失真測(cè)度有如下幾種： （1）平方失真測(cè)度： （2）絕對(duì)誤差失真測(cè)度： （3）加權(quán)平方失真測(cè)度： 其中，W為正定加權(quán)矩陣，T為矩 陣轉(zhuǎn)置符號(hào)。2(, )()iid X YXY1(, )|kiiid X YXY(, )()()Td X YXYW XY矢量量化 失真度必須具有如下特點(diǎn)： （1）在主觀評(píng)價(jià)上具有意義，即小的失真對(duì)應(yīng)好的主觀質(zhì)量評(píng)價(jià)。 （2）數(shù)學(xué)上易于處理，能導(dǎo)致實(shí)際的系統(tǒng)設(shè)計(jì)。 （3）可計(jì)算并保證平均失真 D=Ed(X, Q(X)存在。 （4）采用的失真測(cè)度應(yīng)使系統(tǒng)容易用硬件實(shí)現(xiàn)?；贛el和矢量量化的方法 聲音預(yù)處理 取幀長(zhǎng)，每幀作FFT變換。 用Mel帶通濾波器進(jìn)行濾波，得到一組系數(shù)。 將每個(gè)濾波器的輸出取對(duì)數(shù)，得到相應(yīng)頻帶的對(duì)數(shù)功率譜 利用反離散余弦變換得到MFCC 矢量量化 特征匹配基于MFCC和GMM的方法 聲音預(yù)處理 取幀長(zhǎng)，每幀作FFT變換 把上述功率譜映射到梅爾頻標(biāo)，再用M個(gè)梅爾帶通濾波器濾波 將每個(gè)濾波器的輸出取對(duì)數(shù)，得到相應(yīng)頻帶的對(duì)數(shù)功率譜 利用離散余弦變換得