單片機的語音電子系統(tǒng)(編輯修改稿)
2025-07-23 12:40 本頁面
【文章內(nèi)容簡介】 預(yù)測系數(shù)的求取 自相關(guān)解法主要有杜賓（Durbin）算法、格型（Lattice）算法和舒爾（Schur）算法等幾種遞推算法。其中在杜賓算法是目前最常用的算法，而且在求取LPC系數(shù)時計算量也小，本系統(tǒng)采用該遞推算法。 1．2．3 基音參數(shù)的提取 基音估計的方法很多，主要有基于短時自相關(guān)函數(shù)和基于短時平均幅度差函數(shù)（AMDF）等基音估計方法?！ 。?）基于短時自相關(guān)函數(shù)的基音估計 短時自相關(guān)函數(shù)在基音周期的整數(shù)倍位置存在較大的峰值，只要找出第一最大峰值的位置就可以估計出基音周期?！ 。?）基于短時平均幅度差函數(shù)（AMDF）的基音估計 基于短時平均幅度差函數(shù)（AMDF）在基音周期的整數(shù)倍位置存在較大的谷值，找到第一最大谷值的位置就可以估計出基音周期。這種方法的缺點是當(dāng)語音信號的幅度快速變化時，AMFD函數(shù)的谷值深度會減小，從而影響基音估計的精度。 實際上第一最大峰（谷）值點的位置有時并不能與基音周期吻合，第一最大峰（谷）值點的位置與短時窗的長度有關(guān)且會受到共振峰的干擾。一般窗長至少應(yīng)大于兩個基音周期，才可能獲得較好的估計效果。語音中最長基音周期值約為20ms，本系統(tǒng)在估計基音周期時窗長選擇40ms。為了減小共振峰的影響，首先對語音進行頻率范圍為[60,900]Hz的帶通濾波。因為最高基音頻率為450Hz，所以將上限頻率設(shè)為900Hz可以保留語音的一、二次諧波，下降頻率為60Hz是為了濾除50Hz的電源干擾?！ ∫陨蟽煞N方法都是對語音信號本身求相應(yīng)的函數(shù)。本系統(tǒng)采用的基音估計方法是：首先對帶通濾波后的短時語音信號進行線性預(yù)測，求取預(yù)測殘差；再對殘差信號求自相關(guān)函數(shù)，找出第一最大峰值點的位置，即得到該段語音的基音估計值。實驗表明，通過殘差求取的基音軌跡比直接通過語音求取的基音軌跡效果更好，如圖2所示。圖2中橫坐標(biāo)為語音幀數(shù)，縱坐標(biāo)為8000/f，其中f為基音頻率。1．3 模式匹配 目前針對各種特征參數(shù)提出的模式匹配方法的研究越來越深入。典型的方法有：矢量量化方法、高斯混合模型方法、隱馬爾可夫模型方法、動態(tài)時間規(guī)整（DTW）方法和人工神經(jīng)網(wǎng)絡(luò)方法?！ ∵@些方法都有各自的優(yōu)點和缺點。其中DTW算法對于較長語音的識別，模板匹配運算量太大，但對短語音（有效語音長度低于3s）的識別既簡單又有效，而且并不比其他方法識別率低，特別適用于短語音、與文本有關(guān)的說話人識別系統(tǒng)。本系統(tǒng)采用端點松馳兩點的（DTW）算法，端點松馳引起的計算量增加并不大，還可以放松對端點檢測的精度要求。 動態(tài)時間規(guī)整（DTW）算法基于動態(tài)規(guī)劃的思想，解決了說話人不同時期發(fā)音長短、語速不一樣的匹配問題。DTW算法用于計算兩個長度不同的模板之間的相似程度，用失真距離表示。假設(shè)測試模板和參考模板分別用T和R表示，按時間順序含有N幀和M幀的語音參數(shù)（本系統(tǒng)為12維LPCC參數(shù)），失真距離越小，表示T、R越接近。把測試模板的各個幀號n=1～N在一個二維直角坐標(biāo)系中的橫軸上標(biāo)出，把參考模板
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1