plp及mfcc在藏語連續(xù)語音識別系統(tǒng)中的比較(完整版)
【正文】 m階全極點模型的自回歸系數(shù)。圖1 mel三角濾波器mfcc的具體計算過程如下：1) 由原始信號計算其dft，得到離散譜{s n n n} t ( ) = 1,2,..., ；2) 三角濾波器的輸出則為此頻率帶寬內(nèi)所有信號幅度譜加權(quán)和。通常一幀大約為20ms左右。對一幀信號通過加hamming 窗、hanning 窗或矩形窗后再進行特征分析就可以得到相應(yīng)的一組特征，然后通過把分析窗移動一個偏移（稱為幀移，通常為一幀的1/2或1/3)，然后進行下一幀的處理。l = 1,2,....,243) 對所有濾波器輸出作對數(shù)運算ln（y（l））l= 1,2,....,244) 作離散余弦變換（dct）得到mel頻率倒譜參數(shù)(mfcc)。分別提取12維plp和mfcc特征參數(shù)，1維歸一化短時能量，并求其一階差分及二階差分，共39維mfcc和plp特征參數(shù).以音素為聲學(xué)建模單元，采用5狀態(tài)的連續(xù)hmm模型（見圖2），其中5狀態(tài)只起連接作用，沒有觀測概率，第4狀態(tài)有g(shù)mm概率分布，假設(shè)特征參數(shù)是相互獨立的，所以規(guī)定協(xié)方差矩陣為對角陣。選擇50句短句作為測試集，測試集與訓(xùn)練集為同一發(fā)音人，但發(fā)音文本完全獨立，同時，測試集語料與語言模型的訓(xùn)練語料也完全獨立，測試集共有885個單音節(jié)，其中界外詞（oov）25個，全部為緊縮音節(jié)。使用一個自回歸全極點模型去逼近聽覺頻譜。人耳所聽到的聲
化學(xué)相關(guān)推薦
鄂ICP備17016276號-1