漢語數(shù)碼語音識別分析畢業(yè)設(shè)計第二章(編輯修改稿)
2025-07-19 16:44 本頁面
【文章內(nèi)容簡介】 都是十分方便的。由于采用的語音特征參數(shù)是MFCC參數(shù)，其計算過程中需要作FFT，所以這兩個量可以順便算出，不會影響特征提取的實時完成?！?”和“6”的波形以及低頻能量比和頻譜質(zhì)心軌跡圖。由圖可見低頻能量比和頻譜質(zhì)心可以很好地分辨“0”和“6”。 167。 基于幀的實時漢語數(shù)碼語音端點檢測 語音端點檢測算法在語音識別系統(tǒng)中，語音的端點檢測的準(zhǔn)確性和可靠性，對系統(tǒng)識別率的提高起著重要的作用，當(dāng)系統(tǒng)收到一段包含語音的信號時系統(tǒng)需要對語音的端點進(jìn)行定位，丟棄語音前后多余的噪音段，將完整的語音交付下一級進(jìn)行識別。如果語音前后噪音保留過多，則會增加不同語音的共同成分，對識別產(chǎn)生干擾；而如果語音部分被切割掉，則會造成語音信息的丟失，若丟失的恰是區(qū)分語音的重要特征，則識別錯誤不可避免。例如在漢語數(shù)碼語音識別中，數(shù)字“3”的清音部分[s]被判為噪聲而被丟棄時，“3”中只剩下元音[an]，很容易被判為“8”。同時，語音端點檢測也對系統(tǒng)的計算量和存儲量有一定影響。因此，一個良好的語音端點檢測算法是系統(tǒng)有較高識別率和易于實用的必要條件。近二十年來，人們對語音端點檢測算法作了全面的研究，提出了多種算法。早期的算法主要是根據(jù)語音的一些特征參數(shù)（如能量、過零數(shù)、LPC系數(shù)等）完成端點檢測，其中較為典型的是利用能量和過零率進(jìn)行清音 / 噪音 / 濁音判別，從而完成端點檢測，我們可以稱之為VUS算法(Voice – Unvoice – Silence)。VUS算法的閾值都是事先在特定環(huán)境下根據(jù)經(jīng)驗設(shè)定的，當(dāng)環(huán)境變化時，閾值的可靠程度降低，故其抗噪能力較弱。1991年，Dermatas等人提出了FED算法(Fast Endpoint Detection)，其閾值由語音兩端的噪音動態(tài)設(shè)定，解決了環(huán)境變化問題。但其對語音兩端噪聲一致性要求過于苛刻，使得許多語音被拒絕進(jìn)行端點檢測，整個信號作為語音交付下一級進(jìn)行識別。上述算法除了各自的缺點外，還有共同的缺點：（1）上述算法用于端點檢測的語音參數(shù)并未反映語音的實質(zhì)。VUS算法和FED算法都使用的是語音短時能量、短時過零率、語音幅度等參數(shù)，而這些參數(shù)都無法將語音和一些干擾區(qū)分開。例如利用語音短時能量就無法將語音濁音段和能量較大的突發(fā)干擾（如辦公室內(nèi)關(guān)門聲、敲擊鍵盤聲等）區(qū)分開，因為較高的能量是這兩種信號的共同特點。因此，上述算法在只有白噪聲存在時性能尚可，當(dāng)有大量干擾時則性能嚴(yán)重下降。（2）上述算法搜索端點時都是按采樣點進(jìn)行的。因此，識別系統(tǒng)在采樣時必須將全部原始語音存儲下來，以備采樣完畢后進(jìn)行端點檢測和特征提取，這樣的存儲量對于存儲資源十分緊張的DSP系統(tǒng)是難以忍受的。同時，特征提取也必須在語音采樣后進(jìn)行，從而使得特征無法在采樣的同時實時提取，浪費了語音采樣的時間，增加了識別系統(tǒng)的運行時間。當(dāng)采入的語音為持續(xù)時間較長的連續(xù)語音時，上述缺陷將使實用系統(tǒng)幾乎無法實現(xiàn)。基于以上算法的優(yōu)缺點，本文提出了一種針對漢語數(shù)碼語音識別的基于幀的實時語音端點檢測算法，充分利用語音的本質(zhì)特征，并以幀為端點檢測的基本單位，在采樣時同時完成特征提取，并在采樣后進(jìn)行端點檢測，大大節(jié)省了系統(tǒng)存儲量和運行時間，并有較好的抗干擾能力。2．4．2 VUS算法與FED算法簡介1． VUS算法語音的短時能量、短時過零率是語音信號的一組最基本的短時參數(shù)，定義如下：當(dāng)窗起點為0時，短時能量為： ()其中為幀長，為時刻n時的加窗語音。短時過零率為： ()其中 實驗證明，濁音能量高于清音和噪音，清音過零率高于濁音和噪音。VUS算法利用以上規(guī)律進(jìn)行端點檢測，其步驟為：1〕 設(shè)定閾值： 預(yù)先設(shè)定閾值、其中、分別為高、低能量閾值，為過零率閾值。2〕 尋找高能量區(qū)：利用尋找能量較高的語音段。其前端起點為 , ()其中為起點時刻為i的幀的短時能量，N為語音總長度。后端終點為 , ()3〕 端點檢測：根據(jù)與及2〕中求得的、精確檢測語音端點，語音精確起點為： , ()語音精確終點為 , ()4〕 結(jié)果檢驗：計算檢測到的語音的長度L＝－，若L太小，則認(rèn)為檢測失敗，將整個采樣信號作為語音交付下一級識別。 在環(huán)境噪聲恒定時，VUS算法簡單可靠，但當(dāng)環(huán)境噪聲變化較大時，事先設(shè)定的閾值便失去了意義，因此VUS算法的抗噪能力較弱。2． FED算法FED算法步驟如下：1〕 噪聲能量設(shè)定：從輸入信號前后各取兩幀（幀長80ms），計算其能量： ()k = 1 , 2 , K1 , K。K為總幀數(shù)。然后由
公司管理相關(guān)推薦
鄂ICP備17016276號-1