基于dsp語音識別課程設計-楊艷珍(編輯修改稿)
2025-07-22 01:32 本頁面
【文章內(nèi)容簡介】 軸（零電平）的次數(shù)短時過零可以看作信號頻率的簡單度量：濁音時能量集中于較低頻率段內(nèi)，具有較低的過零率，而清音時能量集中于較高頻率段內(nèi)，具有較高的過零率。（3）短時平均幅度：短時能量對高電平非常敏感（因為計算時用的是信號的平方），為此可以用另一種度量語音信號幅度值的變化函數(shù)。即“短時平均幅度M0”定義為：這里用計算加權了的信號的絕對值之和替代平方和，因而短時處理的方法比較簡單，硬件更易實現(xiàn)。因此本實驗采用短時平均幅值和短時過零率相結合的雙門限端點檢測法.雙門限端點檢測顧名思義需要兩級檢測，即短時平均幅值檢測和短時平均過零率檢測．首先用短時平均幅值進行第一次判別，然后用短時平均過零率進行第二次判別．開始檢測之前，為計算整體平均幅值pn，當短時平均幅值大于12的整體平均幅值pn或者第m+1幀的短時過零率大于3倍的第m幀的短時過零率即Z[m+1]3*Z[m]就進入語音段．當短時平均幅值小于14的整體平均幅值pn則認為進入結束．用C語音實現(xiàn)的流程圖如下：兩種可能會引起端點檢測的誤判，一是短時噪音引起的誤判，此時則需要引入最小語音長度門限進行噪聲判定，即語音段時間小于一定數(shù)值則認定為是噪聲．二是語音中字與字的時間空隙引起的誤判，此時需要設定最大靜音長度門限來降低識別的錯誤率。這種雙門限端點檢測是最常用的孤立詞識別所采用的端點檢測方法，其方法物理意義明確，計算量小，在安靜的環(huán)境中有較好的識別率，但它也有很多不足，例如門限值需要由經(jīng)驗來設定，更換實驗環(huán)境，則效果不理想等 可以采用的改進方法：采用動態(tài)窗長短時能量檢測語音端點。檢測時首先要對語音信號進行加窗分幀處理，如果窗的長度過大，在提高檢測速度的同時導致識別率的下降，如果窗的長度過短，在提高檢測識別率的同時增加了檢測的時間．考慮此種情況，采用動態(tài)窗長短時能量端點檢測方法，在靜音段使用大窗長，進入過度段后，改用小窗長，進入語音段則使用正常窗長短時能量主要起到的作用有以下幾個方面：首先利用短時能量可以區(qū)分清音和濁音，因為濁音的能量要比清音的能量大得多；其次，可以用短時能量對有聲段和無聲段進行判定，對聲母和韻母分界，以及對連字分界．算法主要步驟如下：(1)定義變量status，其值對應于端點檢測的四個不同狀態(tài)，0一靜音段，1一過度段，2一語音段，3一結束．(2)初始化status為0，采用大窗長進行端點檢測，當短時能量超過低門限值，則將status的值改變?yōu)?，認為進入過度段，此時窗長也隨之從大窗長改變?yōu)樾〈伴L．(3)當短時能量超過高門限，則將status的值改變?yōu)?，認為進入語音段，此時窗長設定為正常窗．(4)當短時能量下降到低于低門限，則再次調整窗長，直至語音結束． 特征參數(shù)的提取 矢量量化的過程是：將語音信號波形的K個樣點的每一幀，或有K個參數(shù)的每一參數(shù)幀，構成k維空間中的一個矢量，然后將這個矢量進行量化。 矢量量化器的設計就是：從大量信號信號樣本中訓練出好的碼書，從實際效果出發(fā)尋找到好的失真測度定義公式，設計出最佳的矢量量化系統(tǒng)，以便用最少的搜索和計算失真的運算量，來實現(xiàn)最大可能的平均信噪比。臨界帶特征矢量是指：將一幀信號的功率譜按頻率高低分成若干個臨界帶，每一個臨界中的功率譜求和，即可得到相應的臨界帶特征矢量。：第一步，求出每一幀的加窗語音Xn(m):m=0～(N1),的DFT的模平方值| Xn(k)|2此即為功率譜。做256點的DFT變換，采樣頻率 為8kHz，窗長為38ms(即N=256)，窗形為漢明窗。| Xn(k)|2 與原始加窗語音信號的頻譜模平方|Xn (exp( jwk))|2 具有下列關系：| Xn(k)| 2=|Xn (exp( jwk))| 2 0～256其中，wk =2πfk ，fk=fs512k第二步，劃分臨界帶。在o～fs／2中確定若干個臨界帶頻率分割點。確定的方法是將i=1，2，3?代人下面的式子中，即可求出相應的 (以Hz為單位)。由此可以求出并且，由構成第一臨界帶，構成第二臨界帶，以此類推。在實驗數(shù)據(jù)中需要安排了12個臨界帶。第三步，求臨界帶特征矢量。將每一個臨界帶中的功率譜| Xn(k)|2取和，即可得到相應的臨界帶特征矢量。如果用表示臨界帶特征矢量，則每一個分量可通過以下的式子求得。從而，每幀都可以得到一個12維的臨界帶特
黨政相關相關推薦
鄂ICP備17016276號-1