基于dsp語(yǔ)音識(shí)別課程設(shè)計(jì)-楊艷珍(編輯修改稿)
2025-07-22 01:32 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 軸（零電平）的次數(shù)短時(shí)過(guò)零可以看作信號(hào)頻率的簡(jiǎn)單度量：濁音時(shí)能量集中于較低頻率段內(nèi)，具有較低的過(guò)零率，而清音時(shí)能量集中于較高頻率段內(nèi)，具有較高的過(guò)零率。（3）短時(shí)平均幅度：短時(shí)能量對(duì)高電平非常敏感（因?yàn)橛?jì)算時(shí)用的是信號(hào)的平方），為此可以用另一種度量語(yǔ)音信號(hào)幅度值的變化函數(shù)。即“短時(shí)平均幅度M0”定義為：這里用計(jì)算加權(quán)了的信號(hào)的絕對(duì)值之和替代平方和，因而短時(shí)處理的方法比較簡(jiǎn)單，硬件更易實(shí)現(xiàn)。因此本實(shí)驗(yàn)采用短時(shí)平均幅值和短時(shí)過(guò)零率相結(jié)合的雙門(mén)限端點(diǎn)檢測(cè)法.雙門(mén)限端點(diǎn)檢測(cè)顧名思義需要兩級(jí)檢測(cè)，即短時(shí)平均幅值檢測(cè)和短時(shí)平均過(guò)零率檢測(cè)．首先用短時(shí)平均幅值進(jìn)行第一次判別，然后用短時(shí)平均過(guò)零率進(jìn)行第二次判別．開(kāi)始檢測(cè)之前，為計(jì)算整體平均幅值pn，當(dāng)短時(shí)平均幅值大于12的整體平均幅值pn或者第m+1幀的短時(shí)過(guò)零率大于3倍的第m幀的短時(shí)過(guò)零率即Z[m+1]3*Z[m]就進(jìn)入語(yǔ)音段．當(dāng)短時(shí)平均幅值小于14的整體平均幅值pn則認(rèn)為進(jìn)入結(jié)束．用C語(yǔ)音實(shí)現(xiàn)的流程圖如下：兩種可能會(huì)引起端點(diǎn)檢測(cè)的誤判，一是短時(shí)噪音引起的誤判，此時(shí)則需要引入最小語(yǔ)音長(zhǎng)度門(mén)限進(jìn)行噪聲判定，即語(yǔ)音段時(shí)間小于一定數(shù)值則認(rèn)定為是噪聲．二是語(yǔ)音中字與字的時(shí)間空隙引起的誤判，此時(shí)需要設(shè)定最大靜音長(zhǎng)度門(mén)限來(lái)降低識(shí)別的錯(cuò)誤率。這種雙門(mén)限端點(diǎn)檢測(cè)是最常用的孤立詞識(shí)別所采用的端點(diǎn)檢測(cè)方法，其方法物理意義明確，計(jì)算量小，在安靜的環(huán)境中有較好的識(shí)別率，但它也有很多不足，例如門(mén)限值需要由經(jīng)驗(yàn)來(lái)設(shè)定，更換實(shí)驗(yàn)環(huán)境，則效果不理想等 可以采用的改進(jìn)方法：采用動(dòng)態(tài)窗長(zhǎng)短時(shí)能量檢測(cè)語(yǔ)音端點(diǎn)。檢測(cè)時(shí)首先要對(duì)語(yǔ)音信號(hào)進(jìn)行加窗分幀處理，如果窗的長(zhǎng)度過(guò)大，在提高檢測(cè)速度的同時(shí)導(dǎo)致識(shí)別率的下降，如果窗的長(zhǎng)度過(guò)短，在提高檢測(cè)識(shí)別率的同時(shí)增加了檢測(cè)的時(shí)間．考慮此種情況，采用動(dòng)態(tài)窗長(zhǎng)短時(shí)能量端點(diǎn)檢測(cè)方法，在靜音段使用大窗長(zhǎng)，進(jìn)入過(guò)度段后，改用小窗長(zhǎng)，進(jìn)入語(yǔ)音段則使用正常窗長(zhǎng)短時(shí)能量主要起到的作用有以下幾個(gè)方面：首先利用短時(shí)能量可以區(qū)分清音和濁音，因?yàn)闈嵋舻哪芰恳惹逡舻哪芰看蟮枚?；其次，可以用短時(shí)能量對(duì)有聲段和無(wú)聲段進(jìn)行判定，對(duì)聲母和韻母分界，以及對(duì)連字分界．算法主要步驟如下：(1)定義變量status，其值對(duì)應(yīng)于端點(diǎn)檢測(cè)的四個(gè)不同狀態(tài)，0一靜音段，1一過(guò)度段，2一語(yǔ)音段，3一結(jié)束．(2)初始化status為0，采用大窗長(zhǎng)進(jìn)行端點(diǎn)檢測(cè)，當(dāng)短時(shí)能量超過(guò)低門(mén)限值，則將status的值改變?yōu)?，認(rèn)為進(jìn)入過(guò)度段，此時(shí)窗長(zhǎng)也隨之從大窗長(zhǎng)改變?yōu)樾〈伴L(zhǎng)．(3)當(dāng)短時(shí)能量超過(guò)高門(mén)限，則將status的值改變?yōu)?，認(rèn)為進(jìn)入語(yǔ)音段，此時(shí)窗長(zhǎng)設(shè)定為正常窗．(4)當(dāng)短時(shí)能量下降到低于低門(mén)限，則再次調(diào)整窗長(zhǎng)，直至語(yǔ)音結(jié)束． 特征參數(shù)的提取 矢量量化的過(guò)程是：將語(yǔ)音信號(hào)波形的K個(gè)樣點(diǎn)的每一幀，或有K個(gè)參數(shù)的每一參數(shù)幀，構(gòu)成k維空間中的一個(gè)矢量，然后將這個(gè)矢量進(jìn)行量化。 矢量量化器的設(shè)計(jì)就是：從大量信號(hào)信號(hào)樣本中訓(xùn)練出好的碼書(shū)，從實(shí)際效果出發(fā)尋找到好的失真測(cè)度定義公式，設(shè)計(jì)出最佳的矢量量化系統(tǒng)，以便用最少的搜索和計(jì)算失真的運(yùn)算量，來(lái)實(shí)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(hào)的功率譜按頻率高低分成若干個(gè)臨界帶，每一個(gè)臨界中的功率譜求和，即可得到相應(yīng)的臨界帶特征矢量。：第一步，求出每一幀的加窗語(yǔ)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(diǎn)的DFT變換，采樣頻率 為8kHz，窗長(zhǎng)為38ms(即N=256)，窗形為漢明窗。| Xn(k)|2 與原始加窗語(yǔ)音信號(hào)的頻譜模平方|Xn (exp( jwk))|2 具有下列關(guān)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(gè)臨界帶頻率分割點(diǎn)。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(yīng)的 (以Hz為單位)。由此可以求出并且，由構(gòu)成第一臨界帶，構(gòu)成第二臨界帶，以此類(lèi)推。在實(shí)驗(yàn)數(shù)據(jù)中需要安排了12個(gè)臨界帶。第三步，求臨界帶特征矢量。將每一個(gè)臨界帶中的功率譜| Xn(k)|2取和，即可得到相應(yīng)的臨界帶特征矢量。如果用表示臨界帶特征矢量，則每一個(gè)分量可通過(guò)以下的式子求得。從而，每幀都可以得到一個(gè)12維的臨界帶特
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1