【正文】 end case 2, % 2 = 語音段 if amp(n) amp2 | ... % 保持在語音段 zcr(n) zcr2 count = count + 1。 switch status case {0,1} % 0 = 靜音, 1 = 可能開始 if amp(n) amp1 % 確信進(jìn)入語音段 x1 = max(ncount1,1)。 temp=temp+t。tmp2 = enframe(x(2:end) , FrameLen, FrameInc)。zcr1 = 10。 最后，對語音識別系統(tǒng)進(jìn)行了整體仿真，結(jié)果表明，數(shù)據(jù)完全正確，由此可以看出本文的研究方法是正確的、可以實現(xiàn)的。+004。下圖顯示的是采用voicebox工具箱中mfcc函數(shù)計算出來的24維特征參數(shù)的部分?jǐn)?shù)值。流程圖中的X1和X2分別為單字詞的起始端點和結(jié)束端點。在靜音狀態(tài)，如果能量或過零率超越了高門限，就開始標(biāo)記起始點，進(jìn)入語音狀態(tài)。一般要根據(jù)實際情況選取，；過零率門限取常值，5和10；最大靜音門限一般為3~5幀，最短語音時間門限一般為9~10幀，一幀信號的短時能量按第二章介紹的方法計算，假設(shè)為amp，那么前10幀輸入信號的平均能量設(shè)為amp_aver，則按下式進(jìn)行計算[2]。在實驗室環(huán)境下，雖然信噪比比較大，但是人們發(fā)音時的一些無意識的噪聲，如人的呼吸氣流等都會造成誤檢。H（Z） = 1 – μz 1 （31）上式中，μ值接近于1。 除上面介紹的整體路徑約束的DTW算法外還有兩種簡單約束的DTW算法，下面分別進(jìn)行簡單的介紹。AXa Xb N xyM(N，M)y = 2x + (M – 2N)By = 2x 12—y = x12—y = x + (M – N)12— (1，1)圖6 匹配路徑約束示意圖規(guī)整函數(shù)的起點是 (1，1)，終點為 ( N， M)，DTW 算法的目的是在此平行四邊形內(nèi)由起點到終點尋找一個規(guī)整函數(shù)，使其具有最小的代價函數(shù)，保證了測試模板與參考模板之間具有最大的聲學(xué)相似特性。為了使路徑不至于過分傾斜， ~ 2的范圍內(nèi)。為了計算這一失真距離，要從T和R中各個對應(yīng)幀之間的距離算起。對此，日本學(xué)者板倉將DP算法的概念用于解決孤立詞識別時的說話速度不均勻的難題，提出了著名的動態(tài)時間伸縮算法，即DTW算法。ld (n) = Σ j ● C(n+j)j = 1√__∑ j 2j = ll1________差分參數(shù)的計算公式為： （17） 這里 c 和 d 都表示一幀語音信號參數(shù)，l 為常數(shù)，一般取2，這時差分參數(shù)就稱為當(dāng)前幀的前兩幀和后兩幀參數(shù)的線性組合。在線性頻率上，當(dāng) m 較小時，相鄰的 fm 間隔很小，隨著 m 的增加相鄰的 fm 間隔逐漸拉開。全極點線性預(yù)測模型（LPC）是基于發(fā)音模型建立的，并假設(shè)語音信號為自回歸信號，利用線性預(yù)測分析獲得倒譜參數(shù)。③作為一種超音段信息，用于語音識別中。本文中，8kHz采樣，幀長為256，幀移為80的漢明窗。 在訓(xùn)練階段，用戶將詞匯表中的每個詞依次說一遍作為模板保存為模板庫。第２章：介紹了基于動態(tài)規(guī)劃（DP）思想的DTW算法，并在此算法的基礎(chǔ)上，討論了快速DTW算法的實現(xiàn)。在實驗室環(huán)境下，大詞匯量的朗讀式連續(xù)說話的寬帶語音信號的平均識別率可以達(dá)到90%以上。60年代，提出了動態(tài)規(guī)劃（DP）和線性預(yù)測分析技術(shù)（LP），其中后者較好地解決了語音信號產(chǎn)生模型的問題，對語音識別的發(fā)展產(chǎn)生了深遠(yuǎn)影響。特定人是指定只針對一個用戶的語音識別，比較簡單，能得到較高的識別率，但使用前必須由特定人的用戶輸入大量的發(fā)音數(shù)據(jù)對其進(jìn)行訓(xùn)練。當(dāng)今，語音識別產(chǎn)品在人機交互應(yīng)用中，已經(jīng)占到了越來越大的比例。接著介紹了常用的孤立詞語音識別算法：DTW（Dynamic Time Warping，動態(tài)時間彎折）以及改進(jìn)的DTW，對兩種算法進(jìn)行了比較，根據(jù)比較結(jié)果，采用比較高效的改進(jìn)型DTW，以提高識別效率。湖南科技學(xué)院本科畢業(yè)論文（設(shè)計）答辯記錄表論文題目特定人孤立詞語音識別的研究作者姓名周 剛所屬系、專業(yè)、年級物理與電子工程系 電子信息工程專業(yè) 2004年級指導(dǎo)教師姓名、職稱楊 熙答 辯 會 紀(jì) 要時間2008年5月15日地點第三教學(xué)樓317答辯小組成員姓 名職務(wù)（職稱）姓 名職務(wù)（職稱）姓 名職務(wù)（職稱）李春樹副教授楊熙助教李艷芳副教授周玲助教廖朝陽講師譚永宏講師盧卯旺教授答辯中提出的主要問題及回答的簡要情況記錄： 論文中改進(jìn)的DTW算法較傳統(tǒng)DTW算法有何優(yōu)點？答：由論文中圖6可看出，改進(jìn)的DTW算法更進(jìn)一步約束了搜索范圍，從而減少了數(shù)據(jù)計算量，加快識別速度并提高了計算準(zhǔn)確度，在仿真結(jié)果中能清楚的看出其改進(jìn)效果。5研究方法和手段的運用能力能運用本學(xué)科常規(guī)研究方法及相關(guān)研究手段（如計算機、實驗儀器設(shè)備等）進(jìn)行實驗、實踐并加工處理、總結(jié)信息。10論文篇幅10000字左右。10綜合運用知識能力能運用所學(xué)專業(yè)知識闡述問題；能對查閱的資料進(jìn)行整理和運用；能對其科學(xué)論點進(jìn)行論證。湖南科技學(xué)院本科畢業(yè)論文（設(shè)計）評審表論文題目特定人孤立詞語音識別的研究作者姓名周 剛所屬系、專業(yè)、年級物理與電子工程 系 電子信息工程 專業(yè) 2004年級指導(dǎo)教師姓名、職稱楊 熙字 數(shù)10000定稿日期中文摘要論文中首先介紹了孤立詞語音識別系統(tǒng)的基本理論，分析了孤立詞語音識別的基本工作過程。學(xué) 生 簽 名： 200 年 月 日 指導(dǎo)教師簽名： 200 年 月 日指導(dǎo)內(nèi)容記錄(二)確定畢業(yè)設(shè)計題目，給出畢業(yè)論文設(shè)計要求，指導(dǎo)開題報告，并推薦一些參考文獻(xiàn)、書籍和網(wǎng)站。論文大部分內(nèi)容已經(jīng)完成。主要內(nèi)容：（1）語音識別的概念、分類、發(fā)展過程及發(fā)展趨勢；（2）語音識別系統(tǒng)的實現(xiàn)方案與語音識別中需要的語音信號處理理論；（3）傳統(tǒng)DTW算法及改進(jìn)后的快速DTW算法的實現(xiàn)與比較；（4）。語音識別的過程可以被看作模式匹配的過程。 本科畢業(yè)論文（設(shè)計）作者簽名： 二○○八 年 月 日29 畢業(yè)論文（設(shè)計）任務(wù)書課題名稱：特定人孤立詞語音識別的研究學(xué)生姓名：系 別：物理與電子工程系專 業(yè)：電子信息工程指導(dǎo)教師：湖南科技學(xué)院本科畢業(yè)論文（設(shè)計）任務(wù)書主題詞、關(guān)鍵詞： 語音識別、孤立詞、特定人、DTW 畢業(yè)論文（設(shè)計）內(nèi)容要求：對語音識別的概念、分類、發(fā)展過程及發(fā)展趨勢要有所介紹；設(shè)計一個基于特定人的語音識別系統(tǒng)，給出實現(xiàn)方案。本科學(xué)生畢業(yè)論文（設(shè)計）題目(中 文):特定人孤立詞語音識別的研究(英 文):Research Of Speakerdependent Isolatedword Speech recognition姓 名學(xué) 號院 （系）專業(yè)、年級指導(dǎo)教師畢業(yè)設(shè)計（論文）原創(chuàng)性聲明和使用授權(quán)說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設(shè)計（論文），是我個人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。對特定人語音識別系統(tǒng)中牽涉到的有關(guān)識別算法要進(jìn)行編程，給出具體仿真結(jié)果。本文介紹的DTW是采用一種最優(yōu)化的算法——動態(tài)規(guī)整法，通過將待識別語音信號的時間軸進(jìn)行不均勻地扭曲和彎曲，使其特征與模板特征對齊，并在兩者之間不斷地進(jìn)行兩個矢量距離最小的匹配路徑計算，從而獲得兩個矢量匹配時累積距離最小的規(guī)整函數(shù)。研究方法：（1）閱讀文獻(xiàn)，進(jìn)行理論分析；（2）把整個識別過程分成幾個子過程，逐步分析；（3）對整個系統(tǒng)程序的測試采用分模塊調(diào)試，然后進(jìn)行整體調(diào)試；完成期限和采取的主要措施：完成期限：2007年12月 到2008年5月 主要措施：嚴(yán)格遵照《湖南科技學(xué)院畢業(yè)論文(設(shè)計)工作管理辦法》的指示精神，結(jié)合個人的實際情況，我完成這項設(shè)計所采取的主要措施有兩條：一是密切聯(lián)系。 下一步的工作： 對整個系統(tǒng)在MATLAB下進(jìn)行仿真測試。學(xué) 生 簽 名： 200 年 月 日 指導(dǎo)教師簽名： 200 年 月 日指導(dǎo)內(nèi)容記錄（三)特定人語音識別系統(tǒng)所需的語音處理理論知識及核心算法DTW算法。接著介紹了常用的孤立詞語音識別算法：DTW（Dynamic Time Warping，動態(tài)時間彎折）以及改進(jìn)的DTW，對兩種算法進(jìn)行了比較，根據(jù)比較結(jié)果，采用比較高效的改進(jìn)型DTW，以提高識別效率。10研究方案的設(shè)計能力整體思路清晰；研究方案合理可行。5實評總分 成績等級 指導(dǎo)教師評審意見： 指導(dǎo)教師簽名： 說明：評定成績分為優(yōu)秀、良好、中等、及格、不及格五個等級，實評總分90—100分記為優(yōu)秀，80—89分記為良好，70—79分記為中等，60—69分記為及格，60分以下記為不及格。10外文應(yīng)用能力能閱讀、翻譯一定量的本專業(yè)外文資料、外文摘要和外文參考書目（特殊專業(yè)除外）體現(xiàn)一定的外語水平。 論文中用到的端點檢測算法為何能抗噪聲？答：論文中的端點檢測算法設(shè)定了高低短時能量、高低過零率、最大靜音時間、最小語音長度六個門限值，其中短時能量是用于抗噪聲設(shè)計的，由于語音序列的前10幀一般都為噪聲，而端點檢測算法中的高低能量門限是以前10幀的平均能量值作為參考依據(jù)，這樣我們的算法就是基于動態(tài)背景噪聲的。提出了基于動態(tài)噪聲的四狀態(tài)端點檢測算法，給出了詳細(xì)的算法流程圖以及具體參數(shù)的設(shè)置。其主要應(yīng)用在語音命令、應(yīng)用于電信增值業(yè)務(wù)、數(shù)據(jù)庫檢索等方面。非特定人則可用于不同的用戶，這種識別系統(tǒng)的通用性好，應(yīng)用面廣，但難度也較大，不容易得到高的識別率，它的實用化將會有很高的經(jīng)濟價值和深遠(yuǎn)的社會意義。70年代，在模式識別思想、動態(tài)規(guī)劃方法、線性預(yù)測思想等基礎(chǔ)研究的成功應(yīng)用的支撐下，孤立詞發(fā)音和孤立語句發(fā)音的識別成為了可行的有用技術(shù)。在這樣的水平基礎(chǔ)上，語音識別技術(shù)開始嘗試從實驗室演示系統(tǒng)走向?qū)嵱没唐?。最后給出了兩者的對比仿真。 在識別階段，語音信號經(jīng)過相同的通道得到語音特征參數(shù)，生成測試模板并與參考模板進(jìn)行匹配，將匹配分?jǐn)?shù)最高的參考模板作為識別結(jié)果。 端點檢測的目的是從包含語音的一般信號中確定出語音的起點以及終點, 有效的端點檢測不僅能使處理時間最小, 而且能排除無聲段的噪聲干擾, 從而使識別系統(tǒng)具有良好的識別性能, 端點檢測的成功與否甚至在某種程度上直接決定了整個語音識別系統(tǒng)的成敗。 一幀信號中波形穿越零電平的次數(shù)，稱為過零率。因此，LPCC系數(shù)也是基于合成的參數(shù)，沒有充分利用人耳的聽覺特性，對輔音的描述能力較差，抗噪聲性能較差。另外在頻率較低的區(qū)域，fm 和 f 之間有一段是線性的。由上式計算得到的差分參數(shù)為一階 MFCC 差分參數(shù)，用同樣的公式對一階差公參數(shù)進(jìn)行計算，可以得到二階差 MFCC。DTW是采用一種最優(yōu)化的算法——動態(tài)規(guī)整法，通過將待識別語音信號的時間軸進(jìn)行不均勻地扭曲和彎曲，使其特征與模板特征對齊，并在兩者之間不斷的進(jìn)行兩個矢量距離最小的匹配路徑計算，從而獲得兩個矢量匹配時累積距離最小的規(guī)整函數(shù)。設(shè)n和m分別是T 和R 中任意一幀，d [T(n)，R(m)]表示這兩幀特征矢量之間的距離，在DTW中通常采用歐式距離。如果路徑已通過了格點(ni1，mi1)，那么下一個通不定期的格點(ni，mi)只可能是(ni1+1，mi1+2)、(ni1+1，mi1+1)和(ni1，mi1)，用γ表示這種約束條件。由于在模板匹配過程中限定了彎折的斜率，因此平行四邊形之外的格點對應(yīng)的幀匹配距離是不需要計算的。 搜索寬度受限的DTW算法 在實際應(yīng)用中DTW算法加入了一些搜索限制條件, 實際的搜索范圍是在一定的寬度之內(nèi), 如圖7 所示的對角線附近的帶狀區(qū)域[9]。本文中取μ= 。由于本文采用的