《小波去噪語音識別》ppt課件(文件)
【正文】 (m),...,R(M)},R(m)為第 m幀的語音特征矢量， M為該段語音幀總數(shù)。 若 N=M則可以直接計算，否則要考慮對齊的問題，這里采用了動態(tài)規(guī)劃的方法。假設可計算每條路徑達到終點的總的積累距離，具有最小積累距離的路徑即為最佳路徑。 對于測試語音，我們做了一點改進，可以做到對一段連續(xù)的數(shù)字語音進行識別，以模擬“語音撥號”，目前采用的是基于手機的 11位連續(xù)數(shù)字語音的識別，在安靜的環(huán)境下識別率可以有90%左右，但在噪音環(huán)境下識別率下降很厲害，這也是我們今后的努力方向。對于（ ni,mi)，其可達到該網(wǎng)格點的前一個網(wǎng)格點只可能是（ ni1,mi)，（ ni1,mi1)和（ ni,mi2)，那么（ ni,mi)一定選擇這 3個距離中最小的對應的點為其前續(xù)網(wǎng)格點，若用（ ni1,mi1)代表此網(wǎng)格點，并將通過該格點的路徑延伸而通過（ ni,mi)，此時路徑的累計距離為： 而： 這樣就可以從（ ni,mi)=(1,1)出發(fā)直至搜索到（ nN,mN)求得整條路徑 )],[()](),([)],[( 11 ???? iiiiii mnDmRnTdmnD)]}2,[()],1,[()],[(m i n {)],[( 11111 ??? ????? iiiiiiii mnDmnDmnDmnD在我們這個實驗中，采用了 0~9這是個數(shù)字作為參考模板，先由小波去噪做語音的預處理，然后用基于短時能量和過零率的雙門限法進行端點檢測，再計算每幀語音的 MFCC系數(shù)，最后將模板系數(shù)存入外存。 為了描述這條路徑，假設路徑通過的所有格點依次為（ n1,m1)， ...，（ ni,mi)， ...，（ nN,mN)，路徑可以用函數(shù)： 描述，為了使路徑不至于過分傾斜，可以約束斜率在~2的范圍內(nèi)，即如果路徑已通過了（ ni1,mi1)，則（ ni,mi)只可能是： 1.（ ni,mi)=（ ni1+1， mi1+2)； 2.（ ni,mi)=（ ni1+1， mi1+1)； 3.（ ni,mi)=（ ni1+1， mi1)； 于是求最佳路徑的問題可以歸結(jié)為求最佳路徑函數(shù)使得路徑的積累距離最小。 為了比較他們之間的相似度，可以計算他們之間的距離 D[T,R]，距離越小相似度越高。用于孤立詞識別，DTW算法與 HMM算法在相同的環(huán)境下，識別效果相差不大。舍去代表直流成分的 D0 ，取 D1 ， D2 ， ...，DK 作為 M FCC參數(shù)。對每幀序列 s ( n) 進行預加重處理后再經(jīng)過離散 FFT變換，取模的平方得到離散功率譜 S ( n) 。這種參數(shù)沒有充分利用人耳的聽覺特性。111111式中 a1 ， ...， ap 為 p階 LPC特征向量。一般情況下，極點的個數(shù)在 12~16個之間，就足夠清晰地描述語音信號的特征了。 盡管不能用短時能量可靠地區(qū)分清音和靜音，但是還是可以發(fā)現(xiàn)在靜音段信號的波形變化相
教學課件相關(guān)推薦
鄂ICP備17016276號-1