基于matlab的語音識別技術(編輯修改稿)
2025-08-22 08:54 本頁面
【文章內(nèi)容簡介】 匹配，將匹配分數(shù)最高的參考模型作為識別結(jié)果。3. 語音識別系統(tǒng)的特征參數(shù)提取特征提取是對語音信號進行分析處理，去除對語音識別無關緊要的冗余信息，獲得影響語音識別的重要信息。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幾十毫秒，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進行模擬，這就是所謂的聲管模型。全極點線性預測參數(shù) (LPC: Liner Prediction Coeffieient)可以對聲管模型進行很好的描述，LPC參數(shù)是模擬人的發(fā)聲器官的，是一種基于語音合成的參數(shù)模型。在語音識別中，很少用LPC系數(shù)，而是用LPC倒譜參數(shù) (LPCC: Liner Prediction Cepstral Coefficient)。LPCC參數(shù)的優(yōu)點是計算量小，對元音有較好的描述能力，其缺點在于對輔音的描述能力較差，抗噪聲性能較差。然而，人的聽覺系統(tǒng)是一個特殊的非線性系統(tǒng)，它響應不同頻率信號的靈敏度是不同的，基本上是一個對數(shù)關系。近年來，一種能夠比較充分利用人耳這種特殊的感知特性的參數(shù)得到了廣泛的應用，這就是Mel倒譜參數(shù)(MFCC:Mel一Frequency CePstral Coeffieient)。MFCC參數(shù)能夠比LPCC參數(shù)更好地提高系統(tǒng)的識別性能。 特定人語音識別算法—DTW算法在孤立
環(huán)評公示相關推薦
鄂ICP備17016276號-1