【正文】 can meet the various needs of people is more possible to past three decades, the voice recognition in the field of puter, information processing, munications and electronic systems, automatic control has increasingly wide range of applications.Speech recognition by the speaker39。 語音識別簡介 4167。 語音識別的分類 4167。 聲音的預處理 6167。 分幀處理 6167。 過零率 6167。 過零率和音量積譜 8167。 特征參數(shù)提取 10167。 用MATLAB實現(xiàn)LPC系數(shù)的計算 14167。 DTW算法原理 14167。 MATLAB上的GUI設計 18第3章 下位機設計 20167。 小車總體框圖 20167。 小車硬件設計 20167。 驅(qū)動電路設計 23167。 小車軟件設計 24167。 部分主程序 25167。近二三十年來，語音識別在計算機、信息處理、通信與電子系統(tǒng)、自動控制等領域中有著越來越廣泛的應用。使用語音作為人機交互的途徑對于使用者來說是最自然的一種方式，同時設備的小型化也要求省略鍵盤以節(jié)省體積。語音識別按說話人的講話方式可分為孤立詞(Isolated Word)識別、連接詞(Connected Word)識別和連續(xù)語音(Continuous Speech)識別。連接詞語音識別支持一個小的語法網(wǎng)絡，其內(nèi)部形成一個狀態(tài)機，可以實現(xiàn)電話語音查詢、航空定票等系統(tǒng)。從識別對象的類型來看，語音識別可以分為特定人(Speaker Dependent)語音識別和非特定人(Speaker Independent)語音識別。實際上，非特定人語音識別的初始識別率往往都比較低，一般都要求用戶花一定的時間對系統(tǒng)進行訓練，將系統(tǒng)的參數(shù)進行一定的自適應調(diào)整，才能使識別率達到滿意的程度。本設計是語音識別在控制領域的一個很好實現(xiàn)，它將原本需要手工操作的工作用語音來方便地完成。上位機利用PC上MATLAB強大的數(shù)學計算能力，進行語音輸入、端點監(jiān)測、特征參數(shù)提取、匹配、串口控制等工作，根據(jù)識別到的不同語音通過PC串口向下位機發(fā)送不同的指令。該設計對語音識別的現(xiàn)有算法進行了驗證和實現(xiàn)，并對端點檢測和匹配算法進行了些許改進。上面設置了串口選擇框、錄音開始按鈕、語音識別結(jié)果框等。本設計達到了預期目標,實現(xiàn)了所期望的功能效果。上位機利用PC上MATLAB強大的數(shù)學計算能力，進行語音的輸入、端點監(jiān)測、特征參數(shù)提取、匹配、識別、串口控制等工作，根據(jù)識別到的不同語音通過PC串口向下位機發(fā)送不同的指令。PC機和小車之間通過串口無線傳輸模塊進行數(shù)據(jù)傳輸。上位機的設計基于MATLAB平臺，利用MATLAB強大的數(shù)學計算能力，進行語音的輸入、預處理、端點監(jiān)測、特征參數(shù)提取、匹配、識別、串口控制等工作。 語音識別簡介167。便捷時尚成為當代人們的追求目標。近二三十年來，語音識別在計算機、信息處理、通信與電子系統(tǒng)、自動控制等領域中有著越來越廣泛的應用。使用語音作為人機交互的途徑對于使用者來說是最自然的一種方式，同時設備的小型化也要求省略鍵盤以節(jié)省體積。167。孤立詞識別是指說話人每次只說一個詞或短語，每個詞或短語在詞匯表中都算作一個詞條，一般用在語音電話撥號系統(tǒng)中。連續(xù)語音識別是指對說話人以日常自然的方式發(fā)音，通常特指用于語音錄入的聽寫機。從識別對象的類型來看，語音識別可以分為特定人(Speaker Dependent)語音識別和非特定人(Speaker Independent)語音識別。實際上，非特定人語音識別的初始識別率往往都比較低，一般都要求用戶花一定的時間對系統(tǒng)進行訓練，將系統(tǒng)的參數(shù)進行一定的自適應調(diào)整，才能使識別率達到滿意的程度。目前的連續(xù)語音識別大多是基于HMM(隱馬爾可夫模型)框架，并將聲學、語言學的知識統(tǒng)一引入來改善這個框架，其硬件平臺通常是功能強大的工作站或PC機。 聲音錄入本設計利用PC上的話筒口進行聲音錄入。wavrecord是MATLAB的專有聲音錄入函數(shù)，他有一下三種調(diào)用方式：（1） y = wavrecord(n,Fs)（2） y = wavrecord(n,Fs,ch)（3） y = wavrecord(n,Fs,39。)其中n代表聲音錄入的總采樣數(shù)。ch代表聲音錄入采用的通道數(shù)，當ch為1時為單聲道，當ch為2時為立體聲。double39。single39。int1639。uint839。即：y=wavrecord(50000,22000)。 聲音的預處理167。在計算短時能量之前應用該濾波器，還可以起到消除直流漂移、抑制隨機噪聲和提升清音部分能量的效果。 分幀處理在計算各個系數(shù)之前要先將語音信號作分幀處理。167。在語音識別系統(tǒng)中,正確、有效地進行端點檢測不僅可以減少計算量和縮短處理時間,而且能排除無聲段的噪聲干擾、提高語音識別的正確率。除此之外, 在語音合成、 編碼等系統(tǒng)中,高效的端點檢測也直接影響甚至決定著系統(tǒng)的主要性能。167。一般而言，噪聲的過零率大于氣音的過零率，而氣音的過零率又大于有聲音的過零率。如下，圖21展示了沒有平移前的過零譜圖，圖22展示了平移后的過零譜圖。圖21 平移前的過零譜圖22 平移后的過零譜167。話音的能量遠比噪聲的能量要大，故可用能量來區(qū)分是靜音還是由話音。音量譜如圖23所示：圖23 音量譜167。端點檢測算法常用的是由語音能量和過零率組合的有雙門限法，以及短時能量和過零率的乘積構(gòu)成的能頻值法。圖24 過零音量積譜167。這里采用的是第二種方法，通過能量和過零率的乘積構(gòu)成的能頻值來判斷語音的端點。首先根據(jù)過零率和音量積設定一個較高的門限T H , 若譜大于T H ,則可確定2個端點A、 B, 并可認為這 2個端點之間是語音信號, 這樣相當于完成初判。判斷結(jié)果如圖25所示：圖25 端點檢測出的語音波形167。 特征參數(shù)概述對于特征參數(shù)，有多種參數(shù)可供選取?；舅枷胧牵阂粋€語音信號的抽樣值可以用過去的若干個抽樣值的線性組合來逼近。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。全極點線性預測模型(LPC)可以對聲管模型進行很好的描述，這里信號的激勵源是由肺部氣流的沖擊引起的，聲帶可以有周期振動也可以不振動，分別對應濁音(Vowel)和清音(Consonant)，而每段聲管則對應一個LPC模型的極點。LPC是語音分析的重要手段，它能很好地進行譜估計，即可作為語音特征的參數(shù)。 ………………………………上式表示p個方程構(gòu)成的方程組，未知數(shù)為p個。由基于自相關的遞推求解公式求解，也就是所謂的Durbin算法得：…………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………………公式中，上標表示第次迭代，每次迭代只計算和更新 直到時，結(jié)束迭代。這里x為一幀語音信號，n為計算LPC參數(shù)的階數(shù)。2. 線性預測倒譜系數(shù)(LPCC)在語音識別系統(tǒng)中，很少直接使用LPC系數(shù)，而是由LPC系數(shù)推導出另一種參數(shù)：線性預測倒譜系數(shù)（LPCC）。在實際運作中大多數(shù)語音識別系統(tǒng)都會采用倒譜參數(shù)來作為有關距離的度量。在實際計算中，當序列x(n)為最小相位的情況下，可以利用序列x(n)及其倒譜系數(shù)c(n)的遞推關系來簡化計算。……………………………………………………………………………………………………………………………………………………………3. Mel尺度倒譜系數(shù)(MFCC)LPC模型是基于發(fā)音模型建立的，LPCC系數(shù)也是一種基于合成的參數(shù)。實際上，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)的關系。大量的研究表明，MFCC參數(shù)能夠比LPCC參數(shù)更好地提高系統(tǒng)的識別性能。由于語音信號在時域上的變化快速而不穩(wěn)定，所以通常都將它轉(zhuǎn)換到頻域上來觀察，此時它的頻譜會隨著時間作緩慢的變化。再將每幀的頻譜參數(shù)通過一組N 個（ N 一般為20 ～ 30 個）三角形帶通濾波器所組成的Mel頻率濾波器，將每個頻帶的輸出取對數(shù)，求出每一個輸出的對數(shù)能量（log energy）Ek，k =1，2，... N。MFCC參數(shù)的計算是以“bark”為其頻率基準的，它和線性頻率的轉(zhuǎn)換關系是：…………………………………………………MFCC參數(shù)也是按幀計算的。這需要在計算之前先在語音的頻譜范圍內(nèi)設置若干個帶通濾波器：…………………………MFCC參數(shù)的計算通常采用如下的流程：（1） 首先確定每一幀語音采樣序列的點數(shù)。（2）計算通過M個后所得的功率值，即計算和在 各離散頻率點上乘積之和，得到M個參數(shù)。（4）對