語音識(shí)別是機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄?編輯修改稿)
2024-10-10 18:42 本頁面
【文章內(nèi)容簡介】 iiii XFF kFXFF FkY111 1111， i=1,2,....,24 其中 kX 為頻譜上第 k 個(gè)頻譜點(diǎn)的能量 , iY 為第 i 個(gè)濾波器的輸出 , iF 為第 i 個(gè)濾波器的中心頻率。 用離散余弦變換（ Discrete Cosine Transformation, DCT）將濾波器輸出變換到倒譜域： ?? ?? 24 1 ]24)21(c os [)log (j jk jkYC ? k = 1,2,...,P 4 其中 P 為 MFCC 參數(shù)的階數(shù)，我們?nèi)?P＝ 12。 12,...,2,1}{ ?kkC 即為所求的 MFCC 參數(shù)。 為體現(xiàn)語音的動(dòng)態(tài)特性，我們還在語音特征中加入了一階差分倒譜，其計(jì)算方法如下式所示： ??? ??? 2 2 )()( k kll mkcmc Pm??1 其中下標(biāo) l 與 lk 表示第 l 與 lk 幀， m 表示第 m 維。 MFCC 參數(shù)計(jì)算的要點(diǎn)是 將線性功率譜 S(n)轉(zhuǎn)換成為 mel 頻率下的功率譜，這需要在計(jì)算之前先在語音的頻譜范圍內(nèi)設(shè)置若干個(gè)帶通濾波器 Hm(n)， m=0..M1，n=0..N/21。 M 為濾波器個(gè)數(shù)， N 為一幀語音信號(hào)的點(diǎn)數(shù)。每個(gè)濾波器具有三角形特性，其中心頻率為 fm，它們?cè)?mel 頻率軸上是均勻分布的。在線性頻率上，當(dāng) m 較小時(shí)相鄰的 fm 間隔很小，隨著 m 的增加相鄰的 fm 間隔逐漸拉開。 Mel 頻率和線性頻率的轉(zhuǎn)換關(guān)系如下式。 ? ?700/100 01ln 100 07001ln ???????? ?? fm e l 這些帶通濾波器的參數(shù)是事先計(jì)算好的。圖 5 給 出了濾波器組的分布圖，其中 M 選擇為 26， FFT 點(diǎn)數(shù) N 為 256，語音信號(hào)的采樣頻率為 8000Hz。 5 0 20 40 60 80 100 120 14000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91 圖 利用人耳仿生學(xué)特性設(shè)計(jì)的 Mel尺度濾波器組 測度估計(jì)技術(shù)可以采用動(dòng)態(tài)時(shí)間彎折 DTW、隱馬爾可夫模型 HMM 或人工神經(jīng)網(wǎng) ANN等算法，我們采用國際上最先進(jìn)的 HMM，這樣我們能夠比較容易的實(shí)現(xiàn)非特定人，而且系統(tǒng)結(jié)構(gòu)也比較靈活、一致。 HMM 的基本概念可參見文獻(xiàn)。 根據(jù)描述的語音單位的大小， HMM 可分為： 基于整詞模型的 HMM(Word based HMM)。其優(yōu)點(diǎn)為 可以很好地描述詞內(nèi)音素協(xié)同發(fā)音的特點(diǎn)，建模過程也較為簡單。因此很多小詞匯量語音識(shí)別系統(tǒng)均采用整詞模型HMM。但在大詞匯量語音識(shí)別中由于所需建立的模型太多而無法使用。 基于子詞模型的 HMM(Sub Wo
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1