【正文】 都是一個字的孤立詞，因此采用基于動態(tài)噪聲的四狀態(tài)轉(zhuǎn)移端點檢測來消除這些影響。amp_aver = — Σ amp(i)10i=1110 （32）上式中的amp( i )為第i幀輸入信號的短時能量。在過渡狀態(tài)中，由于參數(shù)的數(shù)值比較小，不能確定是否處于真正的有效語音狀態(tài)，因此只要兩個參數(shù)的數(shù)值都回落低門限下，就將當(dāng)前狀態(tài)恢復(fù)到靜音狀態(tài)。 端點檢測仿真圖13 無噪聲環(huán)境下的端點檢測圖14 有噪聲環(huán)境下的端點檢測圖1３為無噪聲環(huán)境下用四狀態(tài)檢測方法對采樣到的男聲命令詞“停”的端點檢測結(jié)果。圖15 24維特征參數(shù)部分值 DTW算法仿真第二章講述的算法改進均可通過實驗進行證明，本文主要就整體路徑約束的DTW算法的和傳統(tǒng)的DTW算法進行實驗，并比較其性能優(yōu)劣。在完全相同的條件下，對角線上是正確匹配模板的對應(yīng)分數(shù)，可見對角線上的數(shù)值都應(yīng)是所在行中最小的，從表１至表４中可以看出，對角線上的數(shù)值確實是所在行中的最小值，由此驗證了算法的正確性。參 考 文 獻[1] 鐘林，劉加，劉潤生．多層前向感知機漢語孤立數(shù)碼語音識別[J]．電路與系統(tǒng)學(xué)報，第5 卷第2 期，10070249(2000)02008205．[2] Oppenbeim AV，Schafer RW．Digital signal Processing[M]．Prentice Hall，Inc，1975．[3] 王倩，吳國平，陳琳．特定人語音識別算法——DRW算法[J]．中國地質(zhì)大學(xué)（武漢）通信工程學(xué)院，湖北 武漢 430074．[4] 徐文盛，戴蓓倩，方紹武，陸偉．特定人漢語數(shù)碼語音抗噪識別方法[J]．電路與系統(tǒng)學(xué)報，第5 卷第2 期，10070249(2000)02005804．[5] 陳立萬．基于語音識別系統(tǒng)中DTW 算法改進技術(shù)研究[J]．中文核心期刊《微計算機信息》(嵌入式與SOC)2006 年第22 卷第22 期．[6] 李瀟，王大堃．基于MATLAB 的孤立字語音識別試驗平臺[J]．四川理工學(xué)院學(xué)報（自然科學(xué)版），第19 卷 第3 期，16731549（2006）03009704．[7] 黃文梅，楊勇，熊桂林，成曉明．系統(tǒng)仿真分析與設(shè)計——Matlab語音工程應(yīng)用[M]．國防科技大學(xué)出版社．[8] 林波, 呂明．基于DTW改進算法的孤立詞識別系統(tǒng)的仿真與分析[J]．信息技術(shù)，2006年第4期．[9] Tretter TJ．Inrtoduction to Discreted Time Signal Processing[M]．John Wileyamp。zcr2 = 5。signs = (tmp1.*tmp2)0。end。 status = 2。 else % 語音將結(jié)束 silence = silence+1。 count = 0。for n=1:length(zcr) goto = 0。 t=amp(i)。%計算過零率tmp1 = enframe(x(1:end1), FrameLen, FrameInc)。amp2 = 2。 四狀態(tài)端點檢測法是針對單字詞的端點檢測，按照本文中講述的方法，可以對其進行擴展，使其能檢測多字詞端點。表1和表3分別是實驗一和實驗二采用傳統(tǒng)DTW算法計算得到的測試語音與參考模板之間的失真測度，表2和表4分別是實驗一和實驗二采用改進DTW算法計算得到的測試語音與參考模板之間的失真測度。 特征參數(shù)提取子程序及仿真參數(shù)的提取在語音識別中是很重要的一部分，一個好的語音特征參數(shù)可以表示語音信號的全部特征，這就可以提高語音識別的識別率。過零率和短時能量分別按照第二章的方法計算。先根據(jù)前面的介紹設(shè)定六個門限值，然后對程序進行初始化，設(shè)定初始狀態(tài)status=0，count=0，silence=0。根據(jù)實際環(huán)境來設(shè)定具體門限值，語音序列的前10幀一般都為噪聲，所以這里高低能量門限以語音前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。因此，沒有足夠準確的語音起止點檢測，將會降低語音識別的識別率，特別是起點的檢測。 語音預(yù)處理預(yù)加重一般是語音信號數(shù)字化以后，在參數(shù)分析之前在計算機里用具有6dB/倍頻程的提升高頻特性的預(yù)加重數(shù)字濾波器來實現(xiàn)，它一般是一階的高通數(shù)字濾波器。通過不斷更新數(shù)據(jù)來實現(xiàn)，一直進行到待測模板的最后一幀，矢量D 的最后一個元素即為兩個模板經(jīng)過動態(tài)規(guī)劃后的匹配距離，這樣可大大減小存儲空間，減小計算量，從而提高識別速度。如圖6 所示。路徑可以用函數(shù)mi =Φ(ni)來描述，其中ni = i ，i = 1，2，…，N，Φ(1)=1，Φ(N)=M。2（1,1）NMmnTR2（N，M）D[T(n)，R(m)]R（m）T（n）（n，m） 圖4 動態(tài)時間彎曲（DTW）算法求最小失真假設(shè)參考模板和測試模板分別用R和T表示，它們之間的相似度用它們之間的距離D[T，R]來度量，距離越小相似度越高。因此在進行模板匹配時，把識別信號伸長或縮短至參考模板的長度是必不可少的，但研究表明，簡單的線性拉伸或壓縮并不能有效的提高識別率。為每幀數(shù)據(jù)計算出 L 階 MFCC 參數(shù)后，一般還要為這 L 個系數(shù)分別乘以不同的權(quán)系數(shù)，實際上是一個短窗口：Cm = Wm Cm^L2Wm = 1 + — sin ( — )， 1≤m≤LπLm （16） 差分倒譜參數(shù)標準的 MFCC 參數(shù)反映了語音參數(shù)的靜音特特性，而人耳對語音的動態(tài)特征更為敏感，所以通常是用差分倒譜參數(shù)來描述語音特征的動態(tài)特性。每個濾波器具有三角形特性，其中心頻率為fm，它們在 Mel 頻率軸上是均勻分布的。 常用的參數(shù)有線性預(yù)測的倒譜系數(shù)（LPCC）和Mel頻率的倒譜系數(shù)（MFCC）。②區(qū)分聲母與韻母的邊界，無聲和有聲的分界，連字的分界等。在語音信號處理中，常用的窗函數(shù)是矩形窗和漢明窗。 模式匹配中需要用到的參考模板通過模板訓(xùn)練獲得。全文共分３章，具體的研究內(nèi)容如下：第１章：介紹了語音識別系統(tǒng)的實現(xiàn)方案，給出了孤立詞識別中需要的語音信號處理理論，如預(yù)加重、端點檢測和特征參數(shù)提取等。語音識別技術(shù)經(jīng)過全球半個多世紀的研究，目前已經(jīng)發(fā)展到了接近實用的階段。 T Bell實驗室實現(xiàn)了第一個可識別十個英文數(shù)字的語音識別系統(tǒng)——Audry系統(tǒng)。 2．按識別對象的類型可以分為特定人（Speaker Dependent）語音識別和非特定人（Speaker Independent）語音識別。近二三十年來，語音識別技術(shù)在工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費電子產(chǎn)品等領(lǐng)域有著廣泛應(yīng)用。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。5實評總分 成績等級 評閱教師評審意見： 評閱教師簽名： 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研究方案的設(shè)計能力整體思路清晰；研究方案合理可行。用語、格式、圖表、數(shù)據(jù)、量和單位、各種資料引用規(guī)范化、符合標準。5能力水平40%查閱文獻資料能力能獨立查閱相關(guān)文獻資料，歸納總結(jié)本論文所涉及的有關(guān)研究狀況及成果。學(xué) 生 簽 名： 200 年 月 日 指導(dǎo)教師簽名： 200 年 月 日答辯小組組長意見組長(簽名)： 200 年 月 日注：本表與畢業(yè)論文一起裝訂存檔。湖南科技學(xué)院畢業(yè)設(shè)計（論文）指導(dǎo)過程記錄表畢業(yè)論文(設(shè)計)題目特定人孤立詞語音識別的研究學(xué)生姓名周剛學(xué)號2004010099專業(yè)班級電信0401指導(dǎo)教師楊熙職稱助教系（教研室）電子科學(xué)與技術(shù)指導(dǎo)過程記錄指導(dǎo)內(nèi)容記錄(一)建議畢業(yè)設(shè)計的選題方向，并提供一些參考課題及如何查閱資料。進行資料的整理。并且語音識別作為一門正火熱發(fā)展的技術(shù)，其發(fā)展前景相當(dāng)可觀，對其進行深入了解，研究是非常必要的。湖南科技學(xué)院本科畢業(yè)論文（設(shè)計）開題報告書論文（設(shè)計）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 熙預(yù)計字數(shù)10000開題日期選題的根據(jù)：1）說明本選題的理論、實際意義 2）綜述國內(nèi)外有關(guān)本選題的研究動態(tài)和自己的見解一個完整特定人孤立詞語音識別系統(tǒng)通常包括語音的輸入、語音的預(yù)處理（預(yù)加重、加窗分幀、端點檢測等）、特征提取、訓(xùn)練與識別等幾個環(huán)節(jié)。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。盡我所知，除文中特別加以標注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不包含我為獲得 及其它教育機構(gòu)的學(xué)位或?qū)W歷而使用過的材料。文獻查閱指引：[1] 趙力．語音信號處理．第一版，北京：機械工業(yè)出版社.[2] 陳立萬．基于語音識別系統(tǒng)中DTW算法改進技術(shù)研究．微計算機信息，2006，2（2）.[3] 何強，何英．MATLAB擴展編程．第一版，北京：清華大學(xué)出版社.[4] 李瀟，王大堃．基于MATLAB的孤立字語音識別試驗平臺．四川理工學(xué)院學(xué)報（自然科學(xué)版），19（3）.畢業(yè)論文（設(shè)計）進度安排：1． 論文資料收集和整理，完成開題報告。這是一個將時間規(guī)整和距離測度有機結(jié)合在一起的非線性規(guī)整技術(shù)，保證了待識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差失真。聯(lián)系本組設(shè)計成員及畢業(yè)設(shè)計指導(dǎo)師，尋求有關(guān)畢業(yè)設(shè)計信息，確定設(shè)計課題方向與設(shè)計內(nèi)容；二是虛心學(xué)習(xí)。同時繼續(xù)論文的寫作工作。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(四)語音樣本的采集，樣本語音庫和測試語音庫的建立。提出了基于動態(tài)噪聲的四狀態(tài)端點檢測算法，給出了詳細的算法流程圖以及具體參數(shù)的設(shè)置。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）進行實驗、實踐并加工處理、總結(jié)信息。評閱教師評定成績評審基元評審要素評審內(nèi)涵滿分評閱教師實評分選題質(zhì)量25%目的明確符合要求選題符合專業(yè)培養(yǎng)目標，體現(xiàn)學(xué)科、專業(yè)特點和教學(xué)計劃的基本要求，達到畢業(yè)論文（設(shè)計）綜合訓(xùn)練的目的。5論文質(zhì)量35%文題相符較好地完成論文選題的目的要求。一般要根據(jù)實際情況選取。利用這些算法對孤立詞的端點檢測效果，實驗結(jié)果表明，些算法具有抗噪聲能力。語音識別系統(tǒng)從不同角度、不同的應(yīng)用范圍等都會有不同的分類。 3．按識別的詞匯量可以分為小詞匯、中詞匯和大詞匯量語音識別。80年代，的最大特點是從基于模板的方法向統(tǒng)計模型方法的轉(zhuǎn)變，特別是轉(zhuǎn)向研究隱馬爾柯夫模型HMM的理論、方法和實現(xiàn)問題。但語音識別技術(shù)要進入成熟的商業(yè)運用還有一段艱難的路程，還必須在很多方面取得突破性進展。第３章：針對本文采集的語音樣本，對預(yù)處理后的語音提出了基于動態(tài)噪聲有四狀態(tài)端點檢測法。同時，還可以在一些先驗知識的幫助下，提高識別的準確率[3]。 在實際應(yīng)用中，通常是利用過零率來檢測清音，用短時能量來檢測濁音，兩者配合實現(xiàn)可靠的端點檢測。定義Xn(m)的短時過零率Zn為：Zn = — Σ |sgn [Xn(m)]sgn[Xn(m1)]|N 1m=012 （14） 上式中，sgn[ ] 是符號函數(shù)。實際上，人的聽覺系統(tǒng)是一個特殊的非線性系統(tǒng)，它響應(yīng)不同頻率信號的靈敏度是不同的，基本上是一個對數(shù)的關(guān)系。如圖3所示：m圖3 線性頻率上 fm 和 f 關(guān)系MFCC參數(shù)的計算是以“bark”為頻率基準的，Mel頻率與線性頻率的轉(zhuǎn)換關(guān)系為：f mel = 2595 log10 (1+ )f700 （15）其中，線性