【正文】 的流程圖、所實(shí)現(xiàn)的 技術(shù)方法和主要的處理算法。用 MATLAB 編程時(shí)，就如同在現(xiàn)實(shí)中的便簽上列公式和求解一樣。 （ 2） MATLAB 在運(yùn)行這個(gè)腳本時(shí)，簡(jiǎn)單地從文件中讀取那一條條指令，然后送到MATLAB 中去運(yùn)行。 2) 編輯器使用中的注意事項(xiàng) 9 （ 1） 編輯器的打印效果設(shè)置。 “ Display”子項(xiàng)：如果勾選“ Enable data tips in edit mode” ,那么當(dāng)光標(biāo)移動(dòng)到該編輯器文件中的某個(gè)變量名時(shí)，就會(huì)出現(xiàn)一個(gè)現(xiàn)場(chǎng)菜單，但顯示出該變量?jī)?nèi)容的前提是，改變量已存在于 MATLAB 的工作空間。事實(shí)上， *.m 的存放和調(diào)用與注釋行中的名稱并無(wú)關(guān)聯(lián)。 第三章 介紹了語(yǔ)音識(shí)別的幾種算法，并對(duì)這幾種算法作進(jìn)一步的研究和改進(jìn)，選擇一種自認(rèn)為比較合適的算法用于本次設(shè)計(jì)。它的基本結(jié)構(gòu)如圖 所示，主要分為信號(hào)預(yù)處理、特征參數(shù)提取、模 式匹配和參考模板庫(kù)幾個(gè)單元。下面根據(jù)語(yǔ)音識(shí)別的過(guò)程，分別介紹各個(gè)過(guò)程的關(guān)鍵技術(shù)和基本理論，預(yù)處理和語(yǔ)音自動(dòng)分割算法以及三種語(yǔ)音特征參數(shù)提取技術(shù)。另一方面抑制 50Hz的電源產(chǎn)生的工頻干擾。 語(yǔ)音信號(hào)預(yù)處理 語(yǔ)音信號(hào)的預(yù)處理過(guò)程一般包括預(yù)加重處理、分幀處理、加窗處理、端點(diǎn)檢測(cè)幾個(gè)部分，如圖 描述了整個(gè)預(yù)處理過(guò)程。為了保證特征矢量參數(shù)變換的平滑性，分幀時(shí)使幀與幀之間有部分樣本重疊，這樣就可以用平穩(wěn)過(guò)程的分析方法來(lái)處理非平穩(wěn)的語(yǔ)音信號(hào)了。 圖 漢明窗時(shí)域波形與頻譜圖 端點(diǎn)檢測(cè) 語(yǔ)音端點(diǎn)檢測(cè)是從一段語(yǔ)音信號(hào)中計(jì)算真正語(yǔ)音信號(hào)的起始點(diǎn)和終止點(diǎn)，來(lái)獲得真正語(yǔ)音信號(hào)的方法。如果當(dāng)前狀態(tài)處于語(yǔ)音段時(shí)，兩個(gè)參數(shù)的數(shù)值也降低到低門限以下，且最短時(shí)間門限也大于總的計(jì)時(shí)長(zhǎng)度，那么就認(rèn)為這是一段噪音，繼續(xù)掃描以后的語(yǔ)音數(shù)據(jù)。離散時(shí)間情況下，如果相鄰的抽樣具有不同的代數(shù)符號(hào)，也就是相鄰抽樣的代數(shù)符號(hào)不同就稱為發(fā)生了過(guò)零。 語(yǔ)音信號(hào)的特征參數(shù)提取 語(yǔ)音信號(hào)的特征參數(shù)選取是說(shuō)話人識(shí)別系統(tǒng)中的一個(gè)重要部分，不同的語(yǔ)音特征參數(shù)對(duì)說(shuō)話人識(shí)別系統(tǒng)性能有不同的影響。通常將這種組合參數(shù)用于說(shuō)話人識(shí)別系統(tǒng)中，能得到較好的識(shí)別效果。因?yàn)槿说穆犛X系統(tǒng)是一 個(gè)很好的語(yǔ)音識(shí)別系統(tǒng)，對(duì)不同頻率的聲音有較好的分辨能力，而 MFCC 又是基于人耳聽覺特性的參數(shù)，能夠充分利用人耳這種感知特性并結(jié)合語(yǔ)音產(chǎn)生機(jī)理，在說(shuō)話人識(shí)別系統(tǒng)中得到了廣泛的應(yīng)用。 圖 說(shuō)話人的美爾特征參數(shù)提取部分截圖 說(shuō)話人的原始語(yǔ)音信號(hào)經(jīng)過(guò)上述兩大部分的相關(guān)處理后，得到了包含說(shuō)話人語(yǔ)音特征的多個(gè)特征向量，這些向量之間有一定的相關(guān)性，能更好地表征說(shuō)話人的語(yǔ)音特性，為說(shuō)話人識(shí)別系統(tǒng)的建立奠定了基礎(chǔ)。所謂端點(diǎn)檢測(cè)就是在語(yǔ)音信號(hào)中檢測(cè)出的各種段落 (如音素、音節(jié)、詞素 )的起點(diǎn)和終點(diǎn)的位置，從語(yǔ)音信號(hào)中排除無(wú)聲段。動(dòng)態(tài)時(shí)間規(guī)整 (Dynamic Time Warping)是語(yǔ)音識(shí) 別中較為經(jīng)典的一種算法，又由于 DTW 算法其本身既簡(jiǎn)單又有效 ,因此在許多特定的場(chǎng)合下得到了廣泛的應(yīng)用。為了簡(jiǎn)單和便于處理，通常適用歐氏距離 (歐基里德距離 )或其變形來(lái)進(jìn)行度量。在該模型中，馬爾可夫鏈中的一個(gè)狀態(tài)轉(zhuǎn)移到另一個(gè)狀態(tài)與否取決于該狀態(tài)的統(tǒng)計(jì)特性 (或狀態(tài)轉(zhuǎn)移概率 )，而某一狀態(tài)產(chǎn)生的觀察值也取決于該狀態(tài)生成語(yǔ)音觀察值的概率 (狀態(tài)生成概率 )。 在基于 GMM 的說(shuō)話人識(shí)別系統(tǒng)中，訓(xùn)練階段首先用高斯混合模型為系統(tǒng)中的每個(gè)說(shuō)話人建立概率模型；在識(shí)別階段，利用系統(tǒng)中所有人的 GMM 模型計(jì)算待識(shí)別矢量積的對(duì)數(shù)似然函數(shù)，根據(jù)最大似然準(zhǔn)則做出判決。 設(shè)有 N 個(gè) K 維特征矢量 ? ?NXXXX ,1 ?? （ X 在 K 維歐幾里德空間 KR 中），其中第 i 個(gè)矢量可以記為： ? ?kxxxX , 21 ?? Ni ,2,1 ?? （ 31） 它可以被看作是語(yǔ)音信號(hào)中某幀參數(shù)組成的矢量。量化時(shí)，將 k維無(wú)限空間劃分為 M個(gè)區(qū)域邊界，然后將輸入矢量與這些邊界進(jìn) 27 行比較，并被量化為“距離”最小的區(qū)域邊界的中心矢量值 [45]。 的研究表明基于連續(xù) HMM 的與文本無(wú)關(guān)的說(shuō)話人識(shí)別系統(tǒng)的識(shí)別率取決于模型中的混合分量的個(gè)數(shù)，而與 HMM 中的狀態(tài)數(shù)無(wú)關(guān) [44]。 HMM 是一個(gè)雙重隨機(jī)過(guò)程，一個(gè)隨機(jī)過(guò)程描述狀態(tài)的轉(zhuǎn)移，另一個(gè)隨機(jī)過(guò)程描述狀 26 態(tài)和觀察值之間的統(tǒng)計(jì)對(duì)應(yīng)關(guān)系。參考模板 R和測(cè)試模板 T 之間的總體失真為 D[ T, R]。這是一個(gè)將時(shí)間規(guī)整和距離測(cè)度有機(jī)結(jié)合在一起的非線性規(guī)整技術(shù)，保證了待識(shí)別特征與模板特征之間最大的聲學(xué)相似特性和最小的時(shí)差失真，是成功解決模式匹配問(wèn)題最早和最常用的方法。如果考慮把具有不同內(nèi)容的語(yǔ)音經(jīng)過(guò)某種轉(zhuǎn)換以后作為不同的模板，則可以構(gòu)建一個(gè)基于模板 匹配的簡(jiǎn)單的語(yǔ)音識(shí)別系統(tǒng)。具體參數(shù)設(shè)置為：幀長(zhǎng) 512，幀移 256，濾波器的個(gè)數(shù)為 12，采樣頻率 44100Hz，并去除了首尾各兩幀，因?yàn)檫@兩幀的一階差分為零，這樣就得到了 24 維的語(yǔ)音特征向量，將其作為一幀語(yǔ)音信號(hào)的參數(shù)。 美爾頻率倒譜參數(shù)及提取方法 美爾頻率倒譜參數(shù) (MFCC)充分利用聽覺原理和倒譜的解相關(guān)特性，將語(yǔ)音通過(guò)傅里葉變換成頻譜再轉(zhuǎn)換為 Mel 頻率下的非線性頻譜，以便更好地模擬人的聽覺系統(tǒng) [16]。最為常用在說(shuō)話人識(shí) 別中的特征參數(shù) [18]有線性預(yù)測(cè)系數(shù) (LPC)及其導(dǎo)出的線性預(yù)測(cè)倒譜系數(shù) (LPCC)、由頻譜導(dǎo)出的 Mel 倒譜系數(shù) (MFCC)，倒譜特征是說(shuō)話人識(shí)別中常用的特征之一。 為了 使算法簡(jiǎn)單化，避免高信號(hào)電平對(duì)它的干擾，那么短時(shí)能量函數(shù)可以用平均幅 20 度函數(shù) ? ? ? ?n mM X n W n m?? ?????來(lái)代替 [12]。 下面將逐一介紹短時(shí)過(guò)零率法和能量法。 有時(shí)一些突發(fā)性的噪聲也有可能引起過(guò)零率或短時(shí)能量的數(shù)值很高，但這種噪聲不能持續(xù)足夠長(zhǎng)的時(shí)間。在本文后續(xù)章節(jié)中窗函數(shù)均選擇漢明窗。圖中可以看出，預(yù)加重后信號(hào)的高頻分量相對(duì)低頻分量有明顯的提升。 要將原始語(yǔ)音模擬信號(hào)轉(zhuǎn)變成數(shù)字語(yǔ)音信號(hào)，一定要經(jīng)過(guò)采樣和量化這兩個(gè)步驟，從而得到在時(shí)間和幅度上均為離散的數(shù)字語(yǔ)音信號(hào)。 13 圖 語(yǔ)音信號(hào)采集顯示的前面板圖 圖 語(yǔ)音信號(hào)采集顯示的程序框圖 語(yǔ)音信號(hào)的數(shù)字化 語(yǔ)音信號(hào)的數(shù)字化一般包括采樣、放大、增益控制、反混疊濾波、 A/D變換及編碼。識(shí)別過(guò)程就是通過(guò)對(duì)輸入的語(yǔ)音信號(hào)與參考模板庫(kù)中的語(yǔ)音模板進(jìn)行比較，以特定的測(cè)度標(biāo)準(zhǔn)得出的最優(yōu)參考模板作為輸入語(yǔ)音信號(hào)的識(shí)別結(jié)果輸出，這個(gè)就是語(yǔ)音識(shí)別的識(shí)別全過(guò)程。本章主要介紹語(yǔ)音識(shí)別基本技術(shù)。 本文共分為六個(gè)章節(jié)，具體結(jié)構(gòu)如下： 第一章介紹了語(yǔ)音識(shí)別的學(xué)科背景與研究的發(fā)展歷程，歷史意義，本設(shè)計(jì)的軟件平臺(tái)以及本文選題的依據(jù)和內(nèi)容安排。 2． 腳本文件第一行中的注釋文件名一般與實(shí)際存放在目錄上的文件名相同。具體方法是：選中菜單項(xiàng) [File： Preferences],引出一個(gè)參數(shù)設(shè)置對(duì)話框；展開彈出對(duì)話框左欄中的“ Editor/Debugger”項(xiàng)，出現(xiàn)以下 4個(gè)子項(xiàng)： “ Font amp。 點(diǎn)擊 MATLAB 桌面上的“ ” 圖標(biāo)，或選中菜單項(xiàng) [File： Open]，可引出 Windows平臺(tái)上標(biāo)準(zhǔn)的“ Open”文件選擇對(duì)話框，通過(guò)常規(guī)的工具條操作，找到待打開文件所在文件夾，點(diǎn)選那個(gè)文件名后，再點(diǎn)擊 [打開 ]鍵，即可引出相應(yīng)文件夾的 M 文件編輯器。設(shè)計(jì) M腳本文件就是用來(lái)解決這個(gè)矛盾的。同時(shí) MATLAB 為用戶提供了豐富而實(shí)用的資源，它涵蓋了許多門類的科學(xué)研究，如控制、通信、數(shù)學(xué)、經(jīng)濟(jì)、地理、數(shù)字信號(hào)處理和數(shù)字圖像處理等。 7 （ 6） 提供大量與外部代碼或軟件進(jìn)行連接的機(jī)制，諸如 DLLs（動(dòng)態(tài)連接庫(kù)）、 DDE（共享庫(kù)）、 ActiveX 等。 （ 5）虛擬儀器開放、靈活，可與計(jì)算機(jī)同步發(fā)展，可與網(wǎng)絡(luò)及其它周邊設(shè)備互 聯(lián)。 虛擬儀器（ Virtual Instrument，簡(jiǎn)稱 VI）是現(xiàn)代計(jì)算機(jī)技術(shù)和儀器技術(shù)相結(jié)合的產(chǎn)物，是目前計(jì)算機(jī)輔助測(cè)試（ CAT）領(lǐng)域的一項(xiàng)重要技術(shù)。 國(guó)內(nèi)的語(yǔ)音識(shí)別研究開始于 50 年代后期，中科院聲學(xué)所利用頻譜分析的方法成功研究出漢語(yǔ)的 10 個(gè)元音的語(yǔ)音識(shí)別， 70 年代后期，研究出了基于模板匹配的孤立詞語(yǔ)音識(shí)別系統(tǒng)。識(shí)別的方法也逐漸從最初的模板匹配方法轉(zhuǎn)變到了統(tǒng)計(jì)模型方法，其中典型的統(tǒng)計(jì)方法代表是隱馬爾可夫模型，由于這種方法在結(jié)構(gòu)、參數(shù)和訓(xùn)練方法的選擇上有很大的靈活性，逐漸成為了語(yǔ)音識(shí)別技術(shù)的主流。這期間出現(xiàn)了語(yǔ)音識(shí)別的幾個(gè)重要的思想，前蘇聯(lián)研究人員 Vintsyuk 提出使用動(dòng)態(tài)規(guī)劃來(lái)對(duì)齊兩個(gè)長(zhǎng)度不同的語(yǔ)音音段。再有，在司法刑偵檢測(cè)時(shí)，犯罪嫌疑人的聲音也可以作為破案的重要線索，因?yàn)槊總€(gè)人說(shuō)話的聲音是不一樣的，語(yǔ)音數(shù)據(jù)將會(huì)和 DNA 測(cè)試結(jié)果一起 作為證據(jù)，這種方法已經(jīng)得到了法律上的認(rèn)可。當(dāng)車在開啟時(shí)，只要告訴它繼續(xù)行駛和目前的位置，就能夠順利地行使到目的地。另 一個(gè)例子是，利用語(yǔ)音識(shí)別的自動(dòng)訂票系統(tǒng)，只要站在預(yù)訂系統(tǒng)前，說(shuō)出搭乘的時(shí)間和地點(diǎn)，系統(tǒng)便會(huì)自動(dòng)顯示出符合要求的車費(fèi)、班次和車票銷售的記錄，根據(jù)實(shí)際情況，用戶可以做出最佳的選擇。 本文的應(yīng)用背景和研究意義 語(yǔ)音識(shí)別技術(shù)是現(xiàn)代高科技信息領(lǐng)域的研究熱點(diǎn)，對(duì)于信號(hào)處理的研究，從理論的產(chǎn)生到專業(yè)產(chǎn)品的系統(tǒng)開發(fā)應(yīng)用已經(jīng)經(jīng)歷了數(shù)十年，終于獲得了極大的突破。 關(guān)鍵詞 ： 語(yǔ)音識(shí)別； LABVIEW；聲卡；小波消噪；特征提取 II The speech recognition algorithm based on virtual instrument Abstract With the rapid development of technology, intelligent human and machine interfaces are used in appliances in people39。利用筆記本自帶的聲卡進(jìn)行語(yǔ)音信號(hào)的采集，接著對(duì)語(yǔ)音信號(hào)進(jìn)行數(shù)字化的轉(zhuǎn)換后再做進(jìn)一步的處理。在這里我們利用MATLAB 中的小波工具包，實(shí)現(xiàn)了利用小波的方法對(duì)含有雜聲的語(yǔ)音信號(hào)進(jìn)行噪聲消除的工作。 Followed, this paper realizes automatically speech signal acquisition , and uses multithread of LABVIEW to calculate the feature parameters in aparallel way and short 1/4 of the calculating time which improve the efficiency of the feature functional testing。它與自動(dòng)撥號(hào)，健康和福利，生命支持系統(tǒng)和其他實(shí)際應(yīng)用相互銜接，直接控制商業(yè)，制造業(yè)，金融業(yè)，運(yùn)輸業(yè)，旅游業(yè)，公安消防等工業(yè)生產(chǎn)部門和應(yīng)用領(lǐng)域，該技術(shù)的日益成熟有望成為下一代的操作系統(tǒng)和應(yīng)用程序的用戶界面。 （ 3）語(yǔ)音識(shí)別技術(shù)在扶殘扶弱方面的應(yīng)用 為了幫助殘疾人士由于肢體功能方面的缺陷而引起的動(dòng)作不便，運(yùn)用語(yǔ)音識(shí)別系統(tǒng)，則能對(duì)其給予一定的方便。該系統(tǒng)也可稱為家庭幼兒輔導(dǎo)老師及中小學(xué)教育不可或缺的輔助工具。起初，語(yǔ)音識(shí)別是通過(guò)人工分析語(yǔ)譜圖而進(jìn)行識(shí)別的。這使得孤立詞發(fā)音和孤立詞發(fā)音的識(shí)別技術(shù)成為可行的生活實(shí)用技術(shù)。 90 年代以前，語(yǔ)音識(shí)別系統(tǒng)主要是在 實(shí)驗(yàn)室中進(jìn)行的。清華大學(xué)電子工程系研究的語(yǔ)音識(shí)別系統(tǒng)以 1183 個(gè)單音節(jié)詞作為識(shí)別單元，它采用的是分段概率的模型，對(duì)詞的組成音節(jié)進(jìn)行仔細(xì)的分解，最后用搜索匹配算法來(lái)計(jì)算整體的識(shí)別率，使二字詞和三字詞的識(shí)別率達(dá)到 %。使用者只要用鼠標(biāo)點(diǎn)擊虛擬面板，就可以操作這臺(tái)計(jì)算機(jī)系統(tǒng)硬件平臺(tái)，就如同使用一臺(tái)專用的測(cè)量?jī)x器。虛擬儀器的構(gòu)成，如圖 所示： 顯 示 器信 號(hào) 分 析 及 處 理數(shù) 據(jù) 發(fā) 生 器A / D 轉(zhuǎn) 換 器D / A 轉(zhuǎn) 換 器信 號(hào) 調(diào) 理 器 信 號(hào) 調(diào) 理 器信 號(hào) 調(diào) 理 器各 類 接 口人 機(jī) 接 口信 號(hào) 輸 入信 號(hào) 輸 出 圖 虛擬儀器的構(gòu)成 LABVIEW 軟件工具的特點(diǎn)可歸納為： （ 1） 圖形化的編程方式，無(wú)須寫任何文本格式的代碼，是真正的工程師語(yǔ)言。 （ 3） I/O 接口儀器驅(qū)動(dòng)程序的設(shè)計(jì) I/O 接口儀器驅(qū)動(dòng)程序是控制硬件設(shè)備的驅(qū)動(dòng)程序，也是連接主控計(jì)算機(jī)與儀器設(shè)備的紐帶。 （ 2） 開放式的體系結(jié)構(gòu) 除了內(nèi)部函數(shù)外，所有的 MATLAB 主包文件和各工具包文件都是對(duì)用戶開放的源程序文件，用戶可以通過(guò)修改源程序文件來(lái)構(gòu)成新的適合自己使用的專用工具包。 （ 3） 與在指令窗中直接運(yùn)行質(zhì)量一樣，腳本文件運(yùn)行時(shí)產(chǎn)生的變量都駐留在 MATLAB基本工作空間中。具體方法是：選中菜單項(xiàng) [File： Page setup]，引出一個(gè)頁(yè)面設(shè)置對(duì)話框，該對(duì)話框可以對(duì)版面布局（ Layout）、版頭（ Header）、字體（ Fonts）等參數(shù)進(jìn)行設(shè)置 。 “ Keyboard amp。 3． 當(dāng)使用