小波去噪語音識別ppt課件(編輯修改稿)
2025-02-10 15:24 本頁面
【文章內容簡介】 0~30毫秒一段，相鄰的兩幀之間有 10~20毫秒的交疊。具體的幀長和幀移隨采樣頻率不同而不同。 對于第 i幀，第 n個樣本，他與原始語音信號的關系為： ])1[()( nMixnx i ???第 i幀語音信號的短時能量可以用下面幾種算法得到 : ?????????NniNniNninxienxienxie12121)](lo g [)()()(|)(|)(將語音信號分幀后計算每幀的短時能量，再設一個門限，就可以實現(xiàn)一個簡單的端點檢測算法。但是這樣的算法是很不可靠的，因為人的語音分清音和濁音兩種。濁音為聲帶振動發(fā)出，對應的語音信號有幅度高周期性明顯的特點，而清音則不會有聲帶的振動，只是靠空氣在口腔中的摩擦、沖擊或爆破而發(fā)聲，其短時能量一般比較小，往往會被基于能量的算法漏過去。所以我們用過零率來進行修正。 盡管不能用短時能量可靠地區(qū)分清音和靜音，但是還是可以發(fā)現(xiàn)在靜音段信號的波形變化相對比較緩慢，而在清音段，由于口腔空氣摩擦的效果，所造成的波形在幅度上的變化比較劇烈，通?？梢杂靡粠盘栔胁ㄐ未┰搅汶娖降拇螖?shù)來描述這種變化的劇烈程度，稱為過零率。即： ??????11|)1()(|)(Nnii nxnxiZ CR將短時能量和過零率結合起來，對一段語音進行單個語音端點的檢測： 對連續(xù)語音進行語音分割： 線性預測系數(shù) 線性預測倒普系數(shù) Mel頻率倒普系數(shù) 語音信號是一種典型的時變信號，然而如果把觀察時間縮短到十毫秒至十幾毫秒，則可以得到一系列近似穩(wěn)定的信號。人的發(fā)音器官可以用若干段前后連接的聲管斤進行模擬，這就是所謂的聲管模型。由于發(fā)音器官不可能毫無規(guī)律地快速變化，因此語音信號是準穩(wěn)定的全極點線性預測模型可以對聲管模型進行很好的描述，這里信號的激勵源是由肺部氣流的沖擊引起的，聲帶可以有周期振動也可以不振動，分別對應濁音和清音，而每個聲管則對應一個 LPC模型的極點。一般情況下，極點的個數(shù)在 12~16個之間，就足夠清晰地描述語音信號的特征了。 語音信號的聲管模型 在語音識別系統(tǒng)中，很少直接使用 LPC系數(shù)，而是由 LPC系數(shù)推導出另一種參數(shù)：線性預測倒普系數(shù)（ LPCC），其遞推式如下 : ????????????????????????pnacnkcpnacnkacacnkknknnkknknn。1。111111式中 a1 ， ...， ap 為 p階 LPC特征向量。 ， n = 1， ...， p， p為倒譜的前 p個值， 當LPCC的階數(shù)不超過 LPC階數(shù) p的時候 ，用第
教學課件相關推薦
鄂ICP備17016276號-1