【正文】 須把分析的語(yǔ)音信號(hào)部分從輸入信號(hào)中找出來(lái)，這就是語(yǔ)音信號(hào)的端點(diǎn)檢測(cè)。 2)預(yù)加重：預(yù)加重一般是用具有 6db/倍頻程的一階數(shù)字濾波器來(lái)實(shí)現(xiàn) ,如式 (2— 1)所示 : 1μZ1=H(z) (21) 其中μ為常數(shù) ,一般取 。 語(yǔ)音信號(hào)的數(shù)字化與預(yù)處理 對(duì)模擬語(yǔ)音信號(hào)進(jìn)行量化和采樣，獲得數(shù)字化的語(yǔ)音信號(hào)；然后將含噪的語(yǔ)音信號(hào)通過(guò)去噪處理，得到干凈的語(yǔ)音信號(hào)后并通過(guò)預(yù)加重技術(shù)濾除低頻干擾，尤其是 50Hz 到 60Hz之間的工頻干擾，提升語(yǔ)音信號(hào)的高頻部分，而且它還具有消除直流漂移、抑制隨機(jī)噪聲和提升清音部分能量的作用。常用的語(yǔ)音特征參數(shù)有 LPCC 和 MFCC。 蘭州理工大學(xué)畢業(yè)論文 5 第 2 章 語(yǔ)音識(shí)別技術(shù)基本理論 語(yǔ)音識(shí)別技術(shù)，也被稱為 自動(dòng)語(yǔ)音識(shí)別 Automatic Speech Recognition， (ASR)[2]， 其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。 接著第四章介紹了倒譜系數(shù)分析在語(yǔ)音特征提取中的應(yīng)用，包括基音檢測(cè)以及共振峰的蘭州理工大學(xué)畢業(yè)論文 4 提取。簡(jiǎn)要對(duì)其進(jìn)行了分類研究，詳細(xì)說(shuō)明了語(yǔ)音信號(hào)的數(shù)字化和預(yù)處理、語(yǔ)音識(shí)別技術(shù)的基本原理、技術(shù)模型、以及處理所使用的基本方法。研發(fā)的五千詞語(yǔ)音庫(kù)對(duì)非特定人連續(xù)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率達(dá)到 %；并且可以識(shí)別四川話和普通話兩種語(yǔ)言，達(dá)到實(shí)用要求。我國(guó)語(yǔ)音識(shí)別技術(shù)的研究水平已經(jīng) 基本上和國(guó)外同步，在漢語(yǔ)語(yǔ)音識(shí)別技術(shù)上還有自己的特點(diǎn)與優(yōu)勢(shì)，并達(dá)到國(guó)際先進(jìn)水平。該系統(tǒng)對(duì)新聞?wù)Z音識(shí)別具有較高的精確度，是目前最具有代表性的漢語(yǔ)連續(xù)語(yǔ)音。語(yǔ)音識(shí)別技術(shù)有一個(gè)很好的評(píng)估機(jī)制，那就是識(shí)別的準(zhǔn)確率，而這項(xiàng)指標(biāo)在 20 世紀(jì) 90 年代中后期實(shí)驗(yàn)室研究中得到了不斷提高。 隨著應(yīng)用領(lǐng)域的擴(kuò)大，小詞匯表，特定人，孤 立詞等這些對(duì)語(yǔ)音識(shí)別的約束條件需要放寬，與此同時(shí)也帶來(lái)了許多新的問(wèn)題：第一，詞匯表的擴(kuò)大使得模板的選取和建立發(fā)生困難；第二，連續(xù)的語(yǔ)音中，各個(gè)音素、音節(jié)以及詞之間沒(méi)有明顯的邊界，各個(gè)發(fā)音單位存在受上下文強(qiáng)烈影響的協(xié)同發(fā)音 （ Coarticulation） 現(xiàn)象；第三，在非特定人識(shí)別時(shí)，不同的人說(shuō)相同的話相應(yīng)的聲學(xué)特征有很大的差異，即使相同的人在不同的時(shí)間、生理、心理狀態(tài)下，說(shuō)同樣內(nèi)容的話也會(huì)有很大的差異；第四，識(shí)別的語(yǔ)音中有背景噪聲和其他干擾。T 貝爾實(shí)驗(yàn)室的 Audry 系統(tǒng)，它是第一個(gè)可以識(shí)別十個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng)。在這個(gè)基礎(chǔ)上，逐漸形成了一門新學(xué)科 —— 語(yǔ)音信號(hào)處理。從而使電聲學(xué)和語(yǔ)言聲學(xué)的一些研究成果，擴(kuò)展到通信和廣播部門。當(dāng)今通信和廣播的發(fā)展非常迅 速，語(yǔ)言廣播和語(yǔ)言通信仍然是最重要的部分，而語(yǔ)言聲學(xué)則是這些技術(shù)科學(xué)的基礎(chǔ)。 在語(yǔ)音信號(hào)處理中可以 常 用 倒譜域 來(lái)提取語(yǔ)音的共振峰 與基音頻率 ，用于語(yǔ)音識(shí)別。 在 非 母 語(yǔ) 的 語(yǔ) 言 學(xué) 習(xí) 中 , 以 計(jì) 算 機(jī) 輔 助 使 用 者 進(jìn) 行 非 母 語(yǔ) 學(xué) 習(xí)(ComputerAssistedLanguageLeaming,CALL)己受到相當(dāng)重視 ,各方也紛紛投入相關(guān)的研究。學(xué)習(xí)外語(yǔ)存在的主要問(wèn)題是發(fā)音不準(zhǔn)確 ,傳統(tǒng)的外語(yǔ)教學(xué)方法有著種種不足之處。 蘭州理工大學(xué)畢業(yè)論文 1 第 1 章 緒論 研究背景及意義 語(yǔ)音是語(yǔ)言的聲學(xué)表現(xiàn) ,是人類交流信息最自然、最有效、最方便的手段。 倒譜的 MATLAB 實(shí)現(xiàn) ...................................................... 19 倒譜在同態(tài)信號(hào)處理系統(tǒng)的應(yīng)用 ........................................... 19 倒譜在基音檢測(cè)方面的應(yīng)用 ............................................... 21 倒譜在共振峰檢測(cè)方面的應(yīng)用 ............................................. 23 共振峰的概念 ..................................................... 24 基于倒譜的共振峰的算法 ........................................... 24 第 5 章 倒譜法提取基音頻率和共振峰 ............................. 錯(cuò)誤 !未定義書簽。 接下來(lái)通過(guò) 對(duì)語(yǔ)音倒譜在各個(gè)方面的應(yīng) 用進(jìn)行 MATLAB 編程仿真，得到語(yǔ)音基音檢測(cè)和共振峰檢測(cè)的實(shí)驗(yàn)仿真結(jié)果。 語(yǔ)音識(shí)別的關(guān)鍵技術(shù)是提取出語(yǔ)音特征，語(yǔ)音特征有很多，倒譜分析就是其中之一。 Speech Recognition Algorithm based on Cepstrum 摘要 語(yǔ)音是人類最重要的交流工具，隨著電子計(jì)算機(jī)和人工智能機(jī)器的廣泛應(yīng)用，人們發(fā)現(xiàn)人和機(jī)器之間最好的通信方式是語(yǔ)言通信，而語(yǔ)音是語(yǔ)言的聲學(xué)表現(xiàn)形式。要使機(jī)器聽的懂人話，就要對(duì)語(yǔ)音信號(hào)進(jìn)行處理。 倒譜法作為信號(hào)處理的重要的方法，能夠得到比較好的識(shí)別性能。 關(guān)鍵詞 ：倒譜；語(yǔ)音識(shí)別；共振峰檢測(cè)；基音檢測(cè)；蘭州理工大學(xué)畢業(yè)論文 Abstract Voice is one of the most important human munication tools. With the widely application of electronic puters and artificially intellective machine, it was discovered that language munication is the best way to municate between man and machine and the voice was the reflection of the language. If we wanted us understood by the machines, it is necessary to deal with the signal. With the continuous development of IT, especially the popularity of work and perfect system, voice signal processing technology plays an increasingly important role. In order to find a good performance characteristics and extract important parameters to improve the performance of the recognition system, a variety of scientific algorithms have been emerged. The key technology of voice recognition is extracting voice features. While there are many voice features, cepstrum analyses is one of them. The cepstrum, as one of the important signal processing methods, can get better recognition performance. This paper mainly introduce the voice recognition technology. The basic idea is to casually input voice signal and transform the signal by using additive signal to linear transformation, and use the methods based on Mel(MFCC) frequency as well as some of the speech signal to cepstrum analyze. And then by the usage of the voice spectrum of applications in all aspects programs MATLAB simulation, it can get the simulation results of detect voice pitch and formant detection. Keywords: Cepstrum； Voice recognition； Resonance peak detection； Pitch detection； 蘭州理工大學(xué)畢業(yè)論文 目錄 第 1 章 緒論 .................................................................... 3 研究背景及意義 .......................................................... 1 語(yǔ)音信號(hào)研究現(xiàn)狀 ........................................................ 1 主要研究?jī)?nèi)容 ............................................................ 3 第 2 章 語(yǔ)音識(shí) 別技術(shù)基本理論 ................................... 錯(cuò)誤 !未定義書簽。 倒譜法提取基音頻率 .................................................... 25 蘭州理工大學(xué)畢業(yè)論文 提取基音的方法 ................................................... 25 倒譜分析算法的原理 ............................................... 25 MATLAB 中的設(shè)計(jì)與實(shí)現(xiàn) ............................................ 25 倒譜法提取共振峰 ...................................................... 27 提取共振峰的方法 ................................................. 27 倒譜法的原理 ..................................................... 27 MATLAB 中的設(shè)計(jì)與實(shí)現(xiàn) ............................................ 27 第 6 章 結(jié)論與展望 ............................................. 錯(cuò)誤 !未定義書簽。人類開始進(jìn)入信息化時(shí)代 ,用現(xiàn)代手段研究語(yǔ)音處理技術(shù) ,使人們能更加有效地產(chǎn)生、傳輸、存儲(chǔ)和獲取語(yǔ)言信息 ,這對(duì)于促進(jìn)社會(huì)的發(fā)展具有十分重要的意義。例如 ,課堂教學(xué)通常受時(shí)間、地點(diǎn)以及教師教學(xué)水平的限制 。 語(yǔ)音識(shí)別技術(shù)，也稱為自動(dòng)語(yǔ)音識(shí)別，其是為了將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如二進(jìn)制編碼、按鍵或者字符序列。 倒譜系數(shù)是 一種非常有效表征語(yǔ)音特征的參數(shù)矢量 , 倒譜具有解卷的特性 , 它能將語(yǔ)音信號(hào)的聲門激勵(lì)信息和聲道響應(yīng)信息分離開，因此倒譜是說(shuō)話人識(shí)別和語(yǔ)音識(shí)別中最常用的特征參數(shù)之一。語(yǔ)言聲學(xué)蘭州理工大學(xué)畢業(yè)論文 2 的發(fā)展和電子學(xué)以及計(jì)算機(jī)科學(xué)有著非常密切的關(guān)系。第二次飛躍應(yīng)該是 20 世紀(jì) 70 年代初 ,由于電子計(jì)算機(jī)和數(shù)字信號(hào)處理的發(fā)展，人們發(fā)現(xiàn)：聲音信號(hào)特別是語(yǔ)音信號(hào)，可以通過(guò)模數(shù)轉(zhuǎn)換器 (A /D)采樣和量化，它們轉(zhuǎn)換 為數(shù)字信號(hào)后，能夠送進(jìn)計(jì)算機(jī)。它的發(fā)展很快，在通信、自動(dòng)控制等領(lǐng)域，解決了很多用傳統(tǒng)方法難以解決的問(wèn)題。 但真正取得實(shí)質(zhì) 性進(jìn)展，并將其作為一個(gè)重要的課題開展研究則是在 60 年代末 70 年代初。因此原有的模板匹配方法已不再適用。比較有代表性的系統(tǒng)如下：IBM 公司推出的 ViaVoice 和 DragonSystem 公司的 NaturallySpeaking， Nuance 公司的NuanceVoicePlatform語(yǔ)音平臺(tái)， Microsoft 的 Whisper， Sun 的 VoiceTone 等。 我國(guó)語(yǔ)音識(shí)別研究工作起步于五十年代初，但近年來(lái)發(fā)展很快。中科院自動(dòng)化所、聲學(xué)所、北京大學(xué)、清華大學(xué)、哈爾濱工業(yè)大學(xué)、中國(guó)科技大學(xué)、上海交通大學(xué)、北京郵電大學(xué)、華中科技大學(xué)等科研機(jī)構(gòu)都有實(shí)驗(yàn)室進(jìn)行過(guò)語(yǔ)音識(shí)別方面的研究，其中具有代表性的研究單位為清華大學(xué)電子工程系和中科院自動(dòng)化研究所的模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室。 中科院自動(dòng)化所及其所屬模式科技公司 20xx 年發(fā)布了他們共同推出的面向不同計(jì)算平臺(tái)和應(yīng)用的“天語(yǔ)”中文語(yǔ)音系列產(chǎn)品 —— PattekASR，結(jié)束了中文語(yǔ)音識(shí)別產(chǎn)品自 1998 年以來(lái)一直由國(guó)外公司壟斷的歷史。 第三章詳細(xì)敘述了倒譜的定義基本原理以及計(jì)算方法，優(yōu)點(diǎn)和缺點(diǎn)。