【正文】 ................................................. 16 端點(diǎn)檢測(cè) ................................................... 17 語(yǔ)音信號(hào)的特征參數(shù)提取 ........................................... 20 美爾頻率倒譜參數(shù)及提取方法 ................................. 21 差分倒譜 系數(shù)提取方法 ....................................... 22 第三章 語(yǔ)音識(shí)別算法 .................................................... 24 模板匹配的方法 ................................................... 24 動(dòng)態(tài)時(shí)間規(guī)整算法 DTW ....................................... 24 隱馬爾可夫模型法 HMM ....................................... 25 高斯混合模型法 GMM ......................................... 26 矢量量化 VQ ................................................ 26 混合型算法 ................................................. 28 基于聲學(xué)和語(yǔ)音學(xué)的方法 ........................................... 28 神經(jīng)網(wǎng)絡(luò)的方法 ................................................... 29 第四章 非特定人連續(xù)語(yǔ)音識(shí)別系統(tǒng)的實(shí)現(xiàn) .................................. 30 概述 ............................................................. 30 非特定人連續(xù)語(yǔ)音識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) ............................... 30 語(yǔ)音信號(hào)的實(shí)時(shí)采集與小波消噪處理 ........................... 30 語(yǔ)音信號(hào)的預(yù)處理 ........................................... 33 語(yǔ)音信號(hào)的特征提取 ......................................... 36 模板的建立與讀取 ................................................. 38 建立模板 ................................................... 38 讀取模板 ................................................... 40 第五章 結(jié) 論 ........................................................... 41 第六章 總結(jié)與展望 ...................................................... 42 總結(jié) ............................................................. 42 展望 ............................................................. 42 參考文獻(xiàn) ................................................................ 43 致 謝 ................................................................... 46 第一章 緒論 語(yǔ)言是人類(lèi)進(jìn)行信息交流的最常用、最重要的手段，人類(lèi)的語(yǔ)言和人的心理活動(dòng)密切相關(guān)，是人們進(jìn)行思想交流的重要方式，既高效又便捷。人與機(jī)器的語(yǔ)言交流總體可分為三部分，（ 1）讓機(jī)器聽(tīng)懂人的語(yǔ)言（ 2）進(jìn)行語(yǔ)言組織（ 3）文字轉(zhuǎn)化為聲音輸出。 本文的應(yīng)用背景和研究意義 語(yǔ)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(zhuān)業(yè)產(chǎn)品的系統(tǒng)開(kāi)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。就目前來(lái)說(shuō)，該技術(shù)從實(shí)驗(yàn)室的實(shí)驗(yàn)性設(shè)計(jì)開(kāi)發(fā)，逐漸進(jìn)入到工廠的應(yīng)用，估計(jì)在不遠(yuǎn)的將來(lái)，語(yǔ)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(chē)電子行業(yè)，消費(fèi)性電子產(chǎn)品等各大領(lǐng)域。以下介紹語(yǔ)音識(shí)別技術(shù)的幾大應(yīng)用領(lǐng)域： （ 1）查詢(xún)語(yǔ)言的語(yǔ)音識(shí)別應(yīng)用 語(yǔ)音識(shí)別可用于查詢(xún)航班時(shí)間表 ，電話(huà)號(hào)碼，巴士時(shí)間查詢(xún)，火車(chē)車(chē)次查詢(xún)，自動(dòng)導(dǎo)游，天氣預(yù)報(bào)，股票行情系統(tǒng)等。只要游客對(duì)該系統(tǒng)說(shuō)話(huà)，標(biāo)示清楚他們當(dāng)前的所在位置 和感興趣的風(fēng)景名稱(chēng)，系統(tǒng)會(huì)自動(dòng)顯示出最佳路線(xiàn)，實(shí)物圖片和旅游計(jì)劃等人性化的信息。另一個(gè)例子是，利用語(yǔ)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(shuō)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(chē)費(fèi)、班次和車(chē)票銷(xiāo)售的記錄，根據(jù)實(shí)際情況，用戶(hù)可以做出最佳的選擇。 （ 2）語(yǔ)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(wú)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(yǔ)音命令加以控制，通過(guò)遠(yuǎn)程，使用專(zhuān)門(mén)的語(yǔ)言，也就是語(yǔ)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。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(yǔ)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(lái)方便。 （ 4）語(yǔ)音識(shí)別技術(shù)對(duì)各生產(chǎn)領(lǐng)域的應(yīng)用 汽車(chē)工業(yè)帶來(lái)的經(jīng)濟(jì)收入對(duì)一個(gè)國(guó)家來(lái) 說(shuō)是至關(guān)重要的，最新的語(yǔ)音識(shí)別技術(shù)已經(jīng)應(yīng)用到汽車(chē)領(lǐng)域，并且仍在不斷開(kāi)發(fā)和添加新的功能。當(dāng)車(chē)在開(kāi)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。 （ 5）語(yǔ)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(yǔ)音識(shí)別應(yīng)用類(lèi)雙向教學(xué)軟件，客戶(hù)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(yǔ)音識(shí)別教學(xué)系統(tǒng)用來(lái)幫助學(xué)生在語(yǔ)言學(xué)習(xí)的過(guò)程中，引導(dǎo)學(xué)生正確發(fā)音，及時(shí)的糾正外語(yǔ)口語(yǔ)的發(fā)音。 （ 6）語(yǔ)言語(yǔ)音玩具 在對(duì)孩子進(jìn)行啟蒙教育的時(shí)候，你可以用帶有語(yǔ)音說(shuō)話(huà)功能的娃娃與孩子交談，讓孩子操作服從語(yǔ)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。 （ 7）語(yǔ)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(lái)判斷一個(gè)特定的人。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(xiàn)索，因?yàn)槊總€(gè)人說(shuō)話(huà)的聲音是不一樣的，語(yǔ)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。 語(yǔ)音識(shí)別發(fā)展歷史及現(xiàn)狀 語(yǔ)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(yǔ)譜圖分析儀，意味著語(yǔ)音識(shí)別技術(shù)研究的萌芽。 50 年代初期，研究人員大部分致力于聲學(xué) — 語(yǔ)音學(xué)的基本概念進(jìn)行探索。 60 年代初期，語(yǔ)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(guò)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。這期間出現(xiàn)了語(yǔ)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(lái)對(duì)齊兩個(gè)長(zhǎng)度不同的語(yǔ)音音段。 70 年代初， 日本學(xué)者板倉(cāng) (Itakura)提出了動(dòng)態(tài)時(shí)間規(guī)整 (DTW)技術(shù) [4]，使語(yǔ)音識(shí)別技術(shù)研究在匹配算法方面開(kāi)辟了新思路；中期的線(xiàn)性預(yù)測(cè)技術(shù) [5] (Linear Prediction, LP)被應(yīng)用于語(yǔ)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(yǔ)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(shū)生成的方法，并首先將矢量量化技術(shù)用于語(yǔ)音編碼并且獲得了成功。另外， 70 年代的里程碑是在 IBM 進(jìn)行了一個(gè)長(zhǎng)期持續(xù)的、頗有成效的大詞匯量連續(xù)語(yǔ)音識(shí)別研究的集體努力的成果。這些研究為后來(lái)非特定人模式聚類(lèi)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。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(yǔ)音識(shí)別技術(shù)的主流。隨著 HMM模型和人工神經(jīng)網(wǎng)絡(luò)等技術(shù)在語(yǔ)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(yǔ)音和非特定人的語(yǔ)音識(shí)別技術(shù)也取得了顯著 進(jìn)展。 90 年代 后，隨著 IT 技術(shù)的迅速發(fā)展，多媒體時(shí)代的來(lái)臨，迫切需要語(yǔ)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。T、 NTT） 都為語(yǔ)音識(shí)別系統(tǒng)的實(shí)用化研究開(kāi)發(fā)投入巨大資金和人力，研制出大詞匯量語(yǔ)音識(shí)別系統(tǒng) [1，4,8]。 國(guó)內(nèi)的語(yǔ)音識(shí)別研究開(kāi)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(yǔ)的 10 個(gè)元音的語(yǔ)音識(shí)別， 70 年代后期，研究出了基于模板匹配的孤立詞語(yǔ)音識(shí)別系統(tǒng)。越來(lái)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(yǔ)音識(shí)別的研究行列，大 大推動(dòng)了漢語(yǔ)語(yǔ)音識(shí)別技術(shù)的發(fā)展。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(yǔ)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。鑒于中國(guó)龐 大的市場(chǎng)，國(guó)外也非常重視漢語(yǔ)語(yǔ)音識(shí)別的研究。 虛擬儀器（ Virtual Instrument，簡(jiǎn)稱(chēng) 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)。 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(hù)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(lái)完成儀器的功能。 （ 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(gòu)買(mǎi)新的儀器。 （ 5）虛擬儀器開(kāi)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)。 LABVIEW（ Laboratory Virtual Instrument Engineering Workbench，實(shí)驗(yàn)室虛擬儀器工程平臺(tái)）是美國(guó) NI 公司 (National Instrument Company)推出的一種基于 G語(yǔ)言（ Graphics Language，圖形化編程語(yǔ)言）的虛擬儀器軟件開(kāi)發(fā)工具。 （ 2） 提供了豐富的數(shù)據(jù)采集、分析及存儲(chǔ)的庫(kù)函數(shù)。 （ 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。 （ 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(kù)）、 DDE（共享庫(kù)）、 ActiveX 等。 （ 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(kāi)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。 用 LABVIEW 設(shè)計(jì)的虛擬儀器系統(tǒng)可脫離 LABVIEW 開(kāi)發(fā)環(huán)境，最終用戶(hù)看見(jiàn)的是和實(shí)際的硬件儀器相似的操作面板。它擁有功能全面的函數(shù)庫(kù)，為了讓用戶(hù)脫離了復(fù)雜繁瑣的程序計(jì)算過(guò)程，把大量的函數(shù)封裝起來(lái)，大大提高了工作效率。同時(shí) MATLAB 為用戶(hù)提供了豐富而實(shí)用的資源，它涵蓋了許多門(mén)類(lèi)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。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。 （ 3） 簡(jiǎn)單易學(xué) 與 FORTRAN 和 C 語(yǔ)言等高級(jí)語(yǔ)言相比較， MATLAB 語(yǔ)法規(guī)則簡(jiǎn)單，語(yǔ)言的思維特點(diǎn)更符合人們?cè)趯?shí)際應(yīng)用中的習(xí)慣。 對(duì)于比較簡(jiǎn)單的和“一次性”的問(wèn)題，通過(guò)在直欞窗中直接輸入一組指令求解是比較簡(jiǎn)便、快捷的。設(shè)計(jì) M腳本文件就是用來(lái)解決這個(gè)矛盾的。 （ 2） MATLAB 在運(yùn)行這個(gè)腳本時(shí)，簡(jiǎn)單地從文件中讀取那一條條指令，然后送到MATLAB 中去運(yùn)行。 （ 4） 文件的擴(kuò)展名是“ .m”。 M 編輯器有多種功能：不僅可以編寫(xiě) M