【正文】 響。現(xiàn)在的噪音污染相當(dāng)嚴(yán)重的，就無法避免噪音的干擾；時時處處都能碰到其他人，而在你使用語音時別人也在說話；還有現(xiàn)在科技發(fā)達(dá)，我們更多的使用無線網(wǎng)絡(luò)，在環(huán)境存在很多的磁場，也會使得語音信號受到干擾，所以這就需要我們的說話人的特征具有獨特且可靠的參數(shù)供識別，同時我們更需要提高我們的語音識別技術(shù)，讓它更發(fā)達(dá)，能更好的免除這些干擾的影響。如今，說話人識別技術(shù)已逐步走入實際應(yīng)用，而且應(yīng)用領(lǐng)域正在不斷擴大。與文本有關(guān)的說話人確認(rèn)系統(tǒng)已經(jīng)商品化，并且在許多需要進(jìn)行身份核查的場所得到了應(yīng)用。不同人的指紋不同，與此類似，不同的說話人也就具有不同的語音信號 ，說話人識別不再是識別簡單的讀音，短語，句子，而是要發(fā)展成能夠識別各種語種，不僅是國際語音，還能夠識別國內(nèi)各地方的方言，去鑒別此人的更詳細(xì)的信息，現(xiàn)在語音識別的挑戰(zhàn)也是相當(dāng)大的。 語音信號處理時計算機智能接口與人機交互的重要手段之一。就目前的整個信息社會發(fā)展趨勢看，語音技術(shù)有很多的應(yīng)用。說話人識別技術(shù)已經(jīng)在安全加密等方面。語音識別是目前相對熱門的研究領(lǐng)域，因為它可以減輕人的好些勞動，它是智能的一個前身，現(xiàn)在的智能手機的好些功能都用到語音識別，微信就是一個例子。語音識別是一門涉及面很廣泛的交叉學(xué)科，所以它的發(fā)展有賴于其他學(xué)科的發(fā)展。它始終與當(dāng)時信息科學(xué)中最活躍的前沿學(xué)科保持密切的聯(lián)系，并且一起發(fā)展。為了語音識別實用化的需要，說話人自適應(yīng)，聽覺模型，快速搜索識別算法以及進(jìn)一步的語言模型的研究倍受關(guān)注。說話作為交流的媒介，就能節(jié)省人手的動作，所以深入的研究語音識別是很有必要的。 為了提高基音檢測的準(zhǔn)確性，降低計算復(fù)雜度，人們已經(jīng)從基于事件的檢測方法和非基于事件的檢測方法出發(fā) ,開發(fā)了許多基音檢測算法。從基音周期的研究來提高語音的識別率還是比較簡單，快捷的。希望以后在這方面的研究能更進(jìn)一步。34 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文 ） 參考文獻(xiàn) 參考文獻(xiàn) [1] 胡航．語音信號處理[M]．哈爾濱：哈爾濱工業(yè)出版社，2000。[2] 易克初，田斌，付強．語音信號處理[M]．北京：國防工業(yè)出版社。[3]謝仕宏。MATLAB控制系統(tǒng)動態(tài)仿真實例教程。化學(xué)工業(yè)出版社。[4] 李娟．基音周期檢測算法研究及在語音合成中的應(yīng)用[D]．太原理工大學(xué)。[5] 王炳錫，屈丹，彭煊. 實用語音識別基礎(chǔ) 國防工業(yè)出版社[6] 趙力. 語音信號處理. 機械工業(yè)出版社[7] 張雪英 數(shù)字語音處理及MATLAB仿真 電子工業(yè)出版社[8] 趙建偉，樓宏偉，徐大為，劉重慶．噪音環(huán)境下的基音檢測方法[J][9] 徐開宇 祝忠明 盧亞玲 數(shù)字信號處理 電子工業(yè)出版社[11] 馬祥杰，孟相如，張百生．一種自相關(guān)基音檢測算法[J]．通信技術(shù)2003[12] 張雄偉，陳亮，楊吉斌．現(xiàn)代語音處理技術(shù)及應(yīng)用[M]．北京：機械工業(yè)出版社，2003。 [13] 趙建偉，樓宏偉，徐大為，劉重慶．噪音環(huán)境下的基音檢測方法[J][14] 徐剛，黃冰．基于小波變換和歸一化自相關(guān)的基音檢測算法[J]．[15] 陳龍三 ，聲控計算機制作與應(yīng)用入門，清華大學(xué)出版社 [16] 張雄偉，陳亮，楊吉斌，現(xiàn)代語音處理技術(shù)及應(yīng)用[M].北京：機械工業(yè)出版社。[17]徐剛，黃冰，基于小波變換和歸一化自相關(guān)的基音檢測算法[J]。桂林電子工業(yè)學(xué)院學(xué)報。 攀枝花學(xué)院本科畢業(yè)設(shè)計（論文 ） 附錄 附錄 按照論文的方法對小王的語音信號也進(jìn)行如此的處理，如下:，運行：x=wavread(39。39。)。 figure(1)。 stem(x,39。.39。)。 如下圖所示：x=wavread(39。39。)。x=x(11001:22000)。 figure(1)。 stem(x,39。.39。)。 如下圖：對每一幀信號進(jìn)行自相關(guān)運算程序如下：x=wavread(39。39。)。n=220。 for m=1:length(x)/n。 for k=1:n。 Rm(k)=0。 for i=(k+1):n。 Rm(k)=Rm(k)+x(i+(m1)*n)*x(ik+(m1)*n)。 end end p=Rm(10:n)。 [Rmax,N(m)]=max(p)。 end N=N+10。 T=N/8。 figure(2)。stem(T,39。.39。)。axis([0 length(T) 0 10])。 xlabel(39。幀數(shù)(n)39。)。ylabel(39。周期(ms)39。)。title(39。各幀基音周期39。)。35 如下圖所示：對每一幀信號進(jìn)行平均幅度差運算程序如下： x=wavread(39。39。)。 b1=x(11001:22000)。 figure(1)。 stem(b1,39。.39。)。 N=200。A=[]。for k=1:200 sum=0。 for m=1:N。 sum=sum+abs(b1(m)b1(m+k1))。 end A(k)=sum。ends=x(11001:22000)。figure(2)subplot(211)axis([0,200,2*10^3,2*10^3])plot(s)。subplot(212)36 axis([0,200,0，*10^5])。plot(A)。得到結(jié)果如下：下面是放大的分析圖： 自相關(guān)函數(shù)法仿真后得到的數(shù)據(jù)片段：T= C