【正文】 （ Nyquist Sampling Theorem） ，那么采樣頻率應(yīng)為原始語音頻率的兩倍以上，本次設(shè)計(jì)采用 8KHz 采樣率 ( 標(biāo)準(zhǔn) )。下面根據(jù)語音識(shí)別的過程，分別介紹各個(gè)過程的關(guān)鍵技術(shù)和基本理論，預(yù)處理和語音自動(dòng)分割算法以及三種語音特征參數(shù)提取技術(shù)。識(shí)別過程就是通過對(duì)輸入的語音信號(hào)與參考模板庫中的語音模板進(jìn)行比較，以特定的測(cè)度標(biāo)準(zhǔn)得出的最優(yōu)參考模板作為輸入語音信號(hào)的識(shí)別結(jié)果輸出，這個(gè)就是語音識(shí)別的識(shí)別全過程。由于語音信號(hào)具有短時(shí)平穩(wěn)的特性，所以語音信號(hào)的特征參數(shù)都是以一段短時(shí)語音信號(hào)為單位的，一般短時(shí)時(shí)間段取值為 20ms～ 30ms 之間。 語 音 信 號(hào)數(shù) 字 化去 噪 、 預(yù)處 理特 征 參數(shù) 提 取模 式 識(shí) 別參 考 模 板 庫訓(xùn)練識(shí)別結(jié)果 圖 語音識(shí)別系統(tǒng)基本結(jié)構(gòu)圖 語音識(shí)別系統(tǒng)的處理過程從一開始的對(duì)語音信號(hào)進(jìn)行采集，即模擬語音信號(hào)轉(zhuǎn)化為數(shù)字語音信號(hào)，隨機(jī)語音經(jīng)過錄音設(shè)備轉(zhuǎn)化為數(shù)字信號(hào) (語音信號(hào) )輸入到語音識(shí)別系統(tǒng)進(jìn)行識(shí)別。它的基本結(jié)構(gòu)如圖 所示，主要分為信號(hào)預(yù)處理、特征參數(shù)提取、模 式匹配和參考模板庫幾個(gè)單元。本章主要介紹語音識(shí)別基本技術(shù)。 11 第二章 語音識(shí)別基本技術(shù) 語音識(shí)別基本技術(shù)包括語音信號(hào)的預(yù)處理、分幀、加窗和端點(diǎn)檢測(cè)等時(shí)域和頻域分析。 第五章簡單介紹了整個(gè)設(shè)計(jì)所得出的結(jié)論。 第三章 介紹了語音識(shí)別的幾種算法，并對(duì)這幾種算法作進(jìn)一步的研究和改進(jìn)，選擇一種自認(rèn)為比較合適的算法用于本次設(shè)計(jì)。 本文共分為六個(gè)章節(jié)，具體結(jié)構(gòu)如下： 第一章介紹了語音識(shí)別的學(xué)科背景與研究的發(fā)展歷程，歷史意義，本設(shè)計(jì)的軟件平臺(tái)以及本文選題的依據(jù)和內(nèi)容安排。 結(jié)構(gòu) 本課題研究的主要內(nèi)容和方法如下： 根據(jù)識(shí)別 的需求，分析語音識(shí)別技術(shù)的重要性，針對(duì)語音識(shí)別系統(tǒng)的實(shí)用性提出本文研究的目標(biāo)就是設(shè)計(jì)實(shí)現(xiàn)一個(gè)基于模板匹配識(shí)別算法的語音識(shí)別系統(tǒng)。 10 4． 在 M文件編輯調(diào)試器中，可以用漢字注釋，也可獲得正確顯示。事實(shí)上， *.m 的存放和調(diào)用與注釋行中的名稱并無關(guān)聯(lián)。 2． 腳本文件第一行中的注釋文件名一般與實(shí)際存放在目錄上的文件名相同。通過該子項(xiàng)中的“ Save options”欄，可以設(shè)置自動(dòng)備份的時(shí)間間隔。 indenting”子項(xiàng)：對(duì)應(yīng)欄用來設(shè)置快捷鍵習(xí)慣和文件段落縮進(jìn)的習(xí)慣。 “ Display”子項(xiàng)：如果勾選“ Enable data tips in edit mode” ,那么當(dāng)光標(biāo)移動(dòng)到該編輯器文件中的某個(gè)變量名時(shí)，就會(huì)出現(xiàn)一個(gè)現(xiàn)場(chǎng)菜單，但顯示出該變量內(nèi)容的前提是，改變量已存在于 MATLAB 的工作空間。具體方法是：選中菜單項(xiàng) [File： Preferences],引出一個(gè)參數(shù)設(shè)置對(duì)話框；展開彈出對(duì)話框左欄中的“ Editor/Debugger”項(xiàng)，出現(xiàn)以下 4個(gè)子項(xiàng)： “ Font amp。 “ Fonts”字體設(shè)置子項(xiàng)：如果不點(diǎn)選“ Use editor font”，那么硬拷貝中的字體可能與編輯器顯示的字體不同，一般情況下硬拷貝中的字體較大。 “ Layout”版面布局子項(xiàng)：選擇“ Print header”，則打印的硬拷貝將會(huì)出現(xiàn)頁眉，顯示文件所在的全部路徑、文件建立日期和頁數(shù)。 2) 編輯器使用中的注意事項(xiàng) 9 （ 1） 編輯器的打印效果設(shè)置。 點(diǎn)擊 MATLAB 桌面上的“ ” 圖標(biāo)，或選中菜單項(xiàng) [File： Open]，可引出 Windows平臺(tái)上標(biāo)準(zhǔn)的“ Open”文件選擇對(duì)話框，通過常規(guī)的工具條操作，找到待打開文件所在文件夾，點(diǎn)選那個(gè)文件名后，再點(diǎn)擊 [打開 ]鍵，即可引出相應(yīng)文件夾的 M 文件編輯器。 M 編輯器有多種功能：不僅可以編寫 M文件，而且可以對(duì) M 文件進(jìn)行交互式調(diào)試；此外， M文件編輯器不僅可以處理帶 .m擴(kuò)展名的文件，而且可以閱讀和編輯其他 ASCII 碼的文件。 （ 4） 文件的擴(kuò)展名是“ .m”。 （ 2） MATLAB 在運(yùn)行這個(gè)腳本時(shí)，簡單地從文件中讀取那一條條指令，然后送到MATLAB 中去運(yùn)行。設(shè)計(jì) M腳本文件就是用來解決這個(gè)矛盾的。 對(duì)于比較簡單的和“一次性”的問題，通過在直欞窗中直接輸入一組指令求解是比較簡便、快捷的。 8 （ 3） 簡單易學(xué) 與 FORTRAN 和 C 語言等高級(jí)語言相比較， MATLAB 語法規(guī)則簡單，語言的思維特點(diǎn)更符合人們?cè)趯?shí)際應(yīng)用中的習(xí)慣。用 MATLAB 編程時(shí)，就如同在現(xiàn)實(shí)中的便簽上列公式和求解一樣。同時(shí) MATLAB 為用戶提供了豐富而實(shí)用的資源，它涵蓋了許多門類的科學(xué)研究，如控制、通信、數(shù)學(xué)、經(jīng)濟(jì)、地理、數(shù)字信號(hào)處理和數(shù)字圖像處理等。它擁有功能全面的函數(shù)庫，為了讓用戶脫離了復(fù)雜繁瑣的程序計(jì)算過程，把大量的函數(shù)封裝起來，大大提高了 工作效率。 用 LABVIEW 設(shè)計(jì)的虛擬儀器系統(tǒng)可脫離 LABVIEW 開發(fā)環(huán)境，最終用戶看見的是和實(shí)際的硬件儀器相似的操作面板。 （ 2） 儀器流程和算法的設(shè)計(jì) 儀器流程和算法的設(shè)計(jì)是根據(jù)儀器功能的要求，利用虛擬儀器開發(fā)平臺(tái)所提供的子模板，確定程序的流程圖、所實(shí)現(xiàn)的 技術(shù)方法和主要的處理算法。 7 （ 6） 提供大量與外部代碼或軟件進(jìn)行連接的機(jī)制，諸如 DLLs（動(dòng)態(tài)連接庫）、 DDE（共享庫）、 ActiveX 等。 （ 4） 32bit 的編譯器編譯生成 32bit 的編譯程序，保證數(shù)據(jù)采集、測(cè)試和測(cè)量方案的高速執(zhí)行。 （ 2） 提供了豐富的數(shù)據(jù)采集、分析及存儲(chǔ)的庫函數(shù)。 LABVIEW（ Laboratory Virtual Instrument Engineering Workbench，實(shí)驗(yàn)室虛擬儀器工程平臺(tái)）是美國 NI 公司 (National Instrument Company)推出的一種基于 G語言（ Graphics Language，圖形化編程語言）的虛擬儀器軟件開發(fā)工具。 （ 5）虛擬儀器開放、靈活，可與計(jì)算機(jī)同步發(fā)展，可與網(wǎng)絡(luò)及其它周邊設(shè)備互 聯(lián)。 （ 3）儀器性能的改進(jìn)和功能擴(kuò)展只需進(jìn)行相關(guān)軟件的設(shè)計(jì)更新，而不需購買新的儀器。 虛擬儀器的特點(diǎn)可歸納為： （ 1）在通用硬件平臺(tái)確 定后，由軟件取代傳統(tǒng)儀器中的硬件來完成儀器的功能。 所謂虛擬 儀器，就是以通用計(jì)算機(jī)為核心，借助這個(gè)硬件平臺(tái)，由用戶自己設(shè)計(jì)定義，其具有虛擬面板并且測(cè)試功能由測(cè)試軟件實(shí)現(xiàn)的一種計(jì)算機(jī)儀器系統(tǒng)。 虛擬儀器（ Virtual Instrument，簡稱 VI）是現(xiàn)代計(jì)算機(jī)技術(shù)和儀器技術(shù)相結(jié)合的產(chǎn)物，是目前計(jì)算機(jī)輔助測(cè)試（ CAT）領(lǐng)域的一項(xiàng)重要技術(shù)。鑒于中國龐大的市場(chǎng)，國外也非常重視漢語語音識(shí)別的研究。北京中科院自動(dòng)化系研究所的模式識(shí)別實(shí)驗(yàn)室將漢語的音節(jié)切分成韻母和聲母，并結(jié)合聲調(diào)信息，然后進(jìn)行識(shí)別。越來越多的大學(xué)和科研院所紛紛作出響應(yīng)，加大投資，加 入到語音識(shí)別的研究行列，大大推動(dòng)了漢語語音識(shí)別技術(shù)的發(fā)展。 國內(nèi)的語音識(shí)別研究開始于 50 年代后期，中科院聲學(xué)所利用頻譜分析的方法成功研究出漢語的 10 個(gè)元音的語音識(shí)別， 70 年代后期，研究出了基于模板匹配的孤立詞語音識(shí)別系統(tǒng)。T、 NTT） 都為語音識(shí)別系統(tǒng)的實(shí)用化研究開發(fā)投入巨大資金和人力，研制出大詞匯量語音識(shí)別系統(tǒng) [1，4,8]。 90 年代后，隨著 IT 技術(shù)的迅速發(fā)展，多媒體時(shí)代的來臨，迫切需要語音識(shí)別系統(tǒng)走出實(shí)驗(yàn)室，走向人們的日常生活乃至工廠。隨著 HMM模型和人工神經(jīng)網(wǎng)絡(luò)等技術(shù)在語音識(shí)別中的廣泛應(yīng)用，科學(xué)家們已經(jīng)在實(shí)驗(yàn)室突破了單個(gè)詞匯量的識(shí)別，并且對(duì)大詞匯量、連續(xù)語音和非特定人的語音識(shí)別技術(shù)也取得了顯著 進(jìn)展。識(shí)別的方法也逐漸從最初的模板匹配方法轉(zhuǎn)變到了統(tǒng)計(jì)模型方法，其中典型的統(tǒng)計(jì)方法代表是隱馬爾可夫模型，由于這種方法在結(jié)構(gòu)、參數(shù)和訓(xùn)練方法的選擇上有很大的靈活性，逐漸成為了語音識(shí)別技術(shù)的主流。這些研究為后來非特定人模式聚類技術(shù)的研究奠定了基礎(chǔ)，現(xiàn)在已經(jīng)得到了廣泛的應(yīng)用。另外， 70 年代的里程碑是在 IBM 進(jìn)行了一個(gè)長期持續(xù)的、頗有成效的大詞匯量連續(xù)語音識(shí)別研究的集體努力的成果。 4 70 年代初， 日本學(xué)者板倉 (Itakura)提出了動(dòng)態(tài)時(shí)間規(guī)整 (DTW)技術(shù) [4]，使語音識(shí)別技術(shù)研究在匹配算法方面開辟了新思路；中期的線性預(yù)測(cè)技術(shù) [5] (Linear Prediction, LP)被應(yīng)用于語音信號(hào)處理，然后隱馬爾可夫模型法 [6] (Hidden Markov Model, HMM)也獲得初步的成果，該技術(shù)在語音信號(hào)處理的多個(gè)方面獲 得了巨大成果； 70 年代末，Linda、 Buzo、 Gray 和 Markel 等人首次解決了矢量量化 [7， 11] (Vector Quantization, VQ)碼書生成的方法，并首先將矢量量化技術(shù)用于語音編碼并且獲得了成功。這期間出現(xiàn)了語音識(shí)別的幾個(gè)重要的思想，前蘇聯(lián)研究人員 Vintsyuk 提出使用動(dòng)態(tài)規(guī)劃來對(duì)齊兩個(gè)長度不同的語音音段。 60 年代初期，語音識(shí)別系統(tǒng)的構(gòu)成基本上是用硬件實(shí)現(xiàn)的，通過濾波器組提取頻譜特征，用計(jì)算機(jī)進(jìn)行匹配、計(jì)算和判決。 50 年代初期，研究人員大部分致力于聲學(xué) — 語音學(xué)的基本概念進(jìn)行探索。 語音識(shí)別發(fā)展歷史及現(xiàn)狀 語音識(shí)別技術(shù)的研究歷史可以追溯到上個(gè)世紀(jì)三十年代初， 1947 年，貝爾 (Bell)實(shí)驗(yàn)室發(fā)明了語譜圖分析儀，意味著語音識(shí)別技術(shù)研究的萌芽。再有，在司法刑偵檢測(cè)時(shí)，犯罪嫌疑人的聲音也可以作為破案的重要線索，因?yàn)槊總€(gè)人說話的聲音是不一樣的，語音數(shù)據(jù)將會(huì)和 DNA 測(cè)試結(jié)果一起 作為證據(jù)，這種方法已經(jīng)得到了法律上的認(rèn)可。 （ 7）語音識(shí)別技術(shù)在軍事方面， 刑事調(diào)查方面的應(yīng)用 由于每個(gè)人的發(fā)音都有其獨(dú)特的特點(diǎn)，就像人的指紋一樣，具有獨(dú)特性和唯一性，是非常有特點(diǎn)的識(shí)別標(biāo)志，科學(xué)上可以運(yùn)用它來判斷一個(gè)特定的人。 （ 6）語言語音玩具 3 在對(duì)孩子進(jìn)行啟蒙教育的時(shí)候，你可以用帶有語音說話功能的娃娃與孩子交談，讓孩子操作服從語音命令的玩具，在孩子們幼小的心靈就播下科學(xué)的種子，讓這些玩具引導(dǎo)孩子們探索科技，發(fā)現(xiàn)科學(xué)的偉大力量。 （ 5）語音識(shí)別技術(shù)在輔助教學(xué)方面的應(yīng)用 在教育領(lǐng)域，已經(jīng)運(yùn)用了多媒體語音識(shí)別應(yīng)用類雙向教 學(xué)軟件，客戶包含清華大學(xué)復(fù)旦大學(xué)等在內(nèi)的多個(gè)高等院校，此語音識(shí)別教學(xué)系統(tǒng)用來幫助學(xué)生在語言學(xué)習(xí)的過程中，引導(dǎo)學(xué)生正確發(fā)音，及時(shí)的糾正外語口語的發(fā)音。當(dāng)車在開啟時(shí)，只要告訴它繼續(xù)行駛和目前的位置，就能夠順利地行使到目的地。 （ 4）語音識(shí)別技術(shù)對(duì)各生產(chǎn)領(lǐng)域的應(yīng)用 汽車工業(yè) 帶來的經(jīng)濟(jì)收入對(duì)一個(gè)國家來說是至關(guān)重要的，最新的語音識(shí)別技術(shù)已經(jīng)應(yīng)用到汽車領(lǐng)域，并且仍在不斷開發(fā)和添加新的功能。例如：對(duì)于身體殘疾的人或盲人，能夠既準(zhǔn)確又靈活地使用現(xiàn)代化設(shè)備是比較困難的，但是，如果有了語音控制系統(tǒng)，便能為其提供一些很好的生活輔助設(shè)施，給他們帶來方便。 （ 2）語音識(shí)別技術(shù)在工業(yè)生產(chǎn)上的應(yīng)用 在一些對(duì)人身有極大傷害（如地下，水深，輻射，高溫環(huán)境下）、環(huán)境比較惡劣的地方，還有無人時(shí)難以實(shí)現(xiàn)工作的地方都可以運(yùn)用相應(yīng)的語音命令加以控制，通過遠(yuǎn)程，使用專門的語言，也就是語音控制系統(tǒng)， 控制設(shè)備去完成工作，這就能用各種指令和命令，對(duì)作業(yè)現(xiàn)場(chǎng)進(jìn)行實(shí)時(shí)控制和處理。另 一個(gè)例子是，利用語音識(shí)別的自動(dòng)訂票系統(tǒng)，只要站在預(yù)訂系統(tǒng)前，說出搭乘的時(shí)間和地點(diǎn)，系統(tǒng)便會(huì)自動(dòng)顯示出符合要求的車費(fèi)、班次和車票銷售的記錄，根據(jù)實(shí)際情況，用戶可以做出最佳的選擇。只要游客對(duì)該系統(tǒng)說話，標(biāo)示清楚他們當(dāng)前的所在位置 2 和感興趣的風(fēng)景名稱，系統(tǒng)會(huì)自動(dòng)顯示出最佳路線，實(shí)物圖片和旅游計(jì)劃等人性化的信息。以下介紹語音識(shí)別技術(shù)的幾大應(yīng)用領(lǐng)域： （ 1）查詢語言的語音識(shí)別應(yīng)用 語 音識(shí)別可用于查詢航班時(shí)間表，電話號(hào)碼，巴士時(shí)間查詢，火車車次查詢，自動(dòng)導(dǎo)游，天氣預(yù)報(bào)，股票行情系統(tǒng)等。就目前來說，該技術(shù)從實(shí)驗(yàn)室的實(shí)驗(yàn)性設(shè)計(jì)開發(fā)，逐漸進(jìn)入到工廠的應(yīng)用，估計(jì)在不遠(yuǎn)的將來，語音識(shí)別技術(shù)將遍布通訊行業(yè)，家電行業(yè)，醫(yī)療保健行業(yè)，家庭服務(wù)行業(yè)，汽車電子行業(yè)，消費(fèi)性電子產(chǎn)品等各大領(lǐng)域。 本文的應(yīng)用背景和研究意義 語音識(shí)別技術(shù)是現(xiàn)代高科技信息領(lǐng)域的研究熱點(diǎn)，對(duì)于信號(hào)處理的研究，從理論的產(chǎn)生到專業(yè)產(chǎn)品的系統(tǒng)開發(fā)應(yīng)用已經(jīng)經(jīng)歷了數(shù)十年，終于獲得了極大的突破。人與機(jī)器的語言交流總體可分為三部分，（ 1）讓機(jī)器聽懂人的語言（ 2）進(jìn)行語言組織（ 3）文字轉(zhuǎn)化為聲音輸出。 At last, this paper analyses the main requirements of this system, designs the hardware and software III in detail and chooses the graphic programming language LABVIE