【正文】 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 改進后的結(jié)束點識別比較準確，這樣不僅縮短了識別時間還提高了識別率。而這些拖尾音的能量通常逐漸減弱，適當提高低能量門限將有助于截斷過多的拖尾音。 2) 清音能量弱、過零率高，濁音過零率低而能量高，在漢字中，均以元音結(jié)尾，在結(jié)尾再次進行 過零率檢測將毫無益處，甚至適得其反。實際對語音信號進行分詞、斷句處理時，仍需作如下的調(diào)整和改進： 1) 由于線路等的影響， 某些幀的波形中會有毛刺存在，有時甚至達到幾個數(shù)量級，導致整個語音信號的波幅增大，影響歸一化后大部分數(shù)據(jù)偏小，接近于零，使得端點檢測算法失效。而如果在過渡段中兩個參 數(shù)中的任一超過了高門限，就可以確信已進入語音段。在靜音段，如果能量或過零率超過了低門限，就應該開始標記始點，進入過渡段。低門限被超過未必就是語音的開始，有可能是時間很短的噪聲引起，高門限被超過則基本確信是由語音引起的。 在開始進行端點檢測之前，首先為短時能量和過零率分別確定兩個門限，一 個是比較低的門限，對信號變化比較敏感，很容易就會被超過。進行端點檢測的基本參數(shù)主要有短時能量、幅度、過零率和相關(guān)函數(shù)等。對漢語來說，還可進一步找出其中的聲母段和韻母段所處的位置。 第三章 端點檢測 矩形窗： 漢明窗 (Hamming)： 漢寧窗 (Hanning)： WR = 1 (0≤ n＜ N1) 0 (Other) WHM = (2π n/(N1)) (0≤ n＜ N1) 0 (Other) WHN = (2π n/(N1)) (0≤ n＜ N1) { { { 0 (Other) (21) (22) (23) 畢業(yè)設計（論文）報告紙 共 50 頁 第 14 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 端點檢測 概述 在基于 DTW 算法的語音識別系統(tǒng)中，無論是訓練和建立模板階段還是在識別階段，都先采用端點檢測算法確定語音的起點和終點。在 Matlab中要實現(xiàn)加窗即將分幀后的語音信號乘上窗函數(shù)，如加漢明窗即為 x=x.*hamming(N)。矩形窗的譜平滑，但波形細節(jié)丟失；而漢明窗則剛好相反，可以有效克服泄 漏現(xiàn)象，具有平滑的低通特性。如果僅要求精確讀出主瓣頻率，而不考慮幅值精度，則可選用主瓣寬度比較窄而便于分辨的矩形窗，例如測量物體的自振頻率等；如果分析窄帶信號，且有較強的干擾噪聲，則應選用旁瓣幅度小的窗函數(shù)，如漢寧窗、三角窗等；對于隨時間按指數(shù)衰減的函數(shù)，可采用指數(shù)窗來提高信噪比。其窗函數(shù)如下，式中的 N 為窗長，一般等于幀長。 窗函數(shù)的三種主要類型 為了保持語音信號的短時平穩(wěn)性，利用窗函數(shù)來減少由截斷處理導致的 Gibbs 效應。又從采樣定理可知，無論采樣頻率多高，只要信號一經(jīng)截短，就不可避免地引起混疊，因此信號截短必然導致一些誤差。 加窗 窗函數(shù)的定義 為了減少頻譜能量泄漏，可采用不同的截取函數(shù)對信號進行截短，截短函數(shù)稱為窗函數(shù)，簡稱為窗。)。 Name Size Bytes Class i 17280x1 138240 double array y 214x240 410880 double array Grand total is 68640 elements using 549120 bytes 畢業(yè)設計（論文）報告紙 共 50 頁 第 12 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ subplot(1,2,2),plot(y),title(39。預加重前的波形圖 39。 y=filter([1,],1,i)。39。預加重濾波器在 Matlab 中可由語句 x=filter([],1,x)實現(xiàn)。其目的是濾除低頻干擾，特別是50Hz 到 60Hz 的工頻干擾，將對語音識別更為有用的高頻部分進行頻譜提升。 對于語音信號的頻譜，通常是頻率越高幅值越小，在語音信號的頻率增加兩倍時，其功率譜的幅度下降 6dB。 預加重的目的在于提升高頻部分，使信號的頻譜變的平坦。subplot(1,2,2),plot(y)。figure。inc=80。)。 結(jié)果如下： 畢業(yè)設計（論文）報告紙 共 50 頁 第 11 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 程序示例 2 如下： i=wavread(39。 y=enframe(i,240,80)。在 Matlab 環(huán)境中使用編程語言實現(xiàn)對幀長和幀移的常數(shù)設定 。 Voicebox 工具箱是基于 GUN 協(xié)議的自由軟 件，其中包含了很多語音信號相關(guān)的函數(shù)。一般取幀長 20ms，幀移為幀長的 1/3~1/2。因此，在實際處理時可以將 語音信號分成很小的時間段 (約 10~30ms)，稱之為 “ 幀 ”， 作為語音信號處理的最小單位，幀與幀的非重疊部分稱為幀移，而將語音信號分成若干幀的過程稱為分幀。 顯示波形如下： 畢業(yè)設計（論文）報告紙 共 50 頁 第 10 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 500 . 51(I) “4 0 .w a v ” 語音信號波形T i m e : sAmplitude(normalized)0 . 2 0 . 2 1 0 . 2 2 0 . 2 3 0 . 2 4 0 . 2 5 0 . 2 6 0 . 2 7 0 . 2 8 0 . 2 9 0 . 3 0 . 500 . 51(II) “4 0 .w a v ” 語音起始處放大波形圖T i m e : sAmplitude(normalized)0 . 4 0 . 4 1 0 . 4 2 0 . 4 3 0 . 4 4 0 . 4 5 0 . 4 6 0 . 4 7 0 . 4 8 0 . 4 9 0 . 5 0 . 500 . 51(III) “4 0 .w a v ” 語音結(jié)束處放大波形圖T i m e : sAmplitude(normalized) 圖 21 語音信號的波形圖及起始處和放大處得波形圖 分幀 語音信號是一種典型的非平穩(wěn)信號， 它的均值函數(shù) u(x)和自相關(guān)函數(shù) R(xl,x2)都隨時間而發(fā)生較大的變化。Amplitude(normalized)39。)。 xlabel(39。(III) “”語音結(jié)束處放大波形圖 39。 axis([,min(k),max(k)])。 subplot(3,1,3)。 t1=:1/fs:。顯示語音結(jié)束處放大波形圖 ……39。)。ylabel(39。Time:s39。)。 title(39。plot(t1,k1)。k1=k(*fs:*fs)。)。 disp(39。Amplitude(normalized)39。)。 xlabel(39。(I) “”語音信號波形 39。 axis([0,(length(k)1)/fs,min(k),max(k)])。 subplot(3,1,1)。)。 實驗程序： disp(39?？梢岳?soundview函數(shù)進行放音等。 在 Matlab環(huán)境中，利用其中的幾個音頻處理函數(shù)進行操作。 但是在一個段時間范圍內(nèi) (一般認為在 1030ms的短時間內(nèi) )，其特性基本保持不變即相對穩(wěn)定，因而可以將其看成斯一個 準穩(wěn)態(tài)過程，即語音信號具有短時平穩(wěn)性。 貫穿于語音分析全過程的是 “短時分析技術(shù) ”。目前提出了各種各樣的 HMM改進算法，還加入了遺傳算法、并行算法和神經(jīng)網(wǎng)絡等新技術(shù)，使得 HMM 的訓 練和識別更加準確。二是模型和算法都存在一定的缺陷。語音識別系統(tǒng)在某些環(huán)境下采集的語音進行訓練后，必須在相同的環(huán)境下進行識別，否則性能急劇下降， 例如自適應性差，最近凸現(xiàn)出的方言或口音、 畢業(yè)設計（論文）報告紙 共 50 頁 第 8 頁 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 背景噪音、口語發(fā)音的 “新三難 ”