基于matlab的语音识别技术

1、项目题目： 基于 Matlab 的语音识别一、引言语音识别技术是让计算机识别一些语音信号，并把语音信号转换成相应的文 本或者命令的一种高科技技术。语音识别技术所涉及的领域非常广泛，包括信号 处理、模式识别、人工智能等技术。近年来已经从实验室开始走向市场，渗透到 家电、通信、医疗、消费电子产品等各个领域，让人们的生活更加方便。语音识别系统的分类有三种依据：词汇量大小，对说话人说话方式的要求和 对说话人的依赖程度。(1) 根据词汇量大小，可以分为小词汇量、中等词汇量、大词汇量及无限词 汇量识别系统。(2) 根据对说话人说话方式的要求，可以分为孤立字(词)语音识别系统、连 接字语音识别系统及连续语音

2、识别系统。(3) 根据对说话人的依赖程度可以分为特定人和非特定人语音识别系统。二、语音识别系统框架设计2.1语音识别系统的基本结构输出结果'I '（給束）禺洱咅识别系纹汽程罔语音识别系统本质上是一种模式识别系统， 其基本结构原理框图如图I所示, 主要包括语音信号预处理、特征提取、特征建模（建立参考模式库）、相似性度量 （模式匹配）和后处理等几个功能模块，其中后处理模块为可选部分。三、语音识别设计步骤3.1语音信号的特征及其端点检测图 2 数字 7'开始部分波形图2是数字 ”7”的波形进行局部放大后的情况，可以看到，在6800之前的部分信号幅度很低，明显属于静音。而在 6

3、800以后，信号幅度开始增强，并呈现明显 的周期性。 在波形的上半部分可以观察到有规律的尖峰， 两个尖峰之间的距离就 是所谓的基音周期，实际上也就是说话人的声带振动的周期。这样可以很直观的用信号的幅度作为特征，区分静音和语音。只要设定一个 门限，当信号的幅度超过该门限的时候， 就认为语音开始， 当幅度降低到门限以 下就认为语音结束。3.2 语音识别系统3.2.1 语音识别系统的分类语音识别按说话人的讲话方式可分为3类：（1）即孤立词识别（isolated wordrecognition） ，孤立词识别 的任务是识别事先已知的孤立的词，如“开机”、 “关机”等。（ 3）连续语音识别，连续语音识别

4、的任务则是识别任意的连续语 音，如一个句子或一段话。从识别对象的类型来看， 语音识别可以分为特定人语音识别和非特定人语音 识别，特定人是指针对一个用户的语音识别， 非特定人则可用于不同的用户。 显 然，非特定人语音识别系统更符合实际需要， 但它要比针对特定人的识别困难得 多。3.2.2 语音识别系统的基本构成语音识别系统的实现方案如图 3所示。输入的模拟语音信号首先要进行处理， 包括预滤波，采样和量化，加窗，端点检测，预加重等。语音信号经处理后，接 下来很重要的一环就是特征参数提取。图3语音识别系统在训练阶段，将特征参数进行一定的处理之后，为每个词条得到一个模型， 保存为模版库。在识别阶段，语

5、音信号经过相同的通道得到语音参数，生成测试模版，与参考模板进行匹配，将匹配分数最高的参考模型作为识别结果。3. 2.3 语音识别系统的特征参数提取特征提取是对语音信号进行分析处理，去除对语音识别无关紧要的冗余信 息，获得影响语音识别的重要信息。 语音信号是一种典型的时变信号，然而如果 把观察时间缩短到十毫秒至几十毫秒，则可以得到一系列近似稳定的信号。人的 发音器官可以用若干段前后连接的声管进行模拟，这就是所谓的声管模型。全极点线性预测参数(LPC: Liner Prediction Coeffieier)t可以对声管模型进行 很好的描述，LPC参数是模拟人的发声器官的，是一种基于语音合成的参数

6、模型。在语音识别中，很少用LPC系数，而是用LPC倒谱参数(LPCC: Liner PredictionCepstral Coefficienp。LPC参数的优点是计算量小，对元音有较好的描述能力， 其缺点在于对辅音的描述能力较差，抗噪声性能较差。然而，人的听觉系统是一个特殊的非线性系统，它响应不同频率信号的灵敏 度是不同的，基本上是一个对数关系。近年来，一种能够比较充分利用人耳这种 特殊的感知特性的参数得到了广泛的应用，这就是 Mel倒谱参数(MFCC:MeL Frequency CePstral Coeffieier)t。MFC参数能够比LPC(参数更好地提高系统的识别 性能。3.2.4特

7、定人语音识别算法一DT算法在孤立词语音识别中，最为简单有效的方法是采用 DTV( Dyn amic Time Warping，动态时间归整)算法，该算法基于动态规划(DF)的思想，解决了发 音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法，用 于孤立词识别。HM算法在训练阶段需要提供大量的语音数据，通过反复计算才 能得到模型参数，而DTW算法的训练中几乎不需要额外的计算。所以在孤立词语 音识别中，DT算法仍然得到广泛的应用。无论在训练和建立模板阶段还是在识别阶段，都先采用端点算法确定语音的 起点和终点。已存入模板库的各个词条称为参考模板，一个参考模板可表示为 R=R( 1)，

8、R(2)，R( m，R (M ，m为训练语音帧的时序标 号, 口=伪起点语音帧，m=hfc终点语音帧，因此M为该模板所包含的语音帧总数， R (m为第m帧的语音特征矢量。所要识别的一个输入词条语音称为测试模板， 可表示为T=T (1), T (2),T (n),T (N) , n为测试语音帧 的时序标号，n=1为起点语音帧，n=N为终点语音帧，因此N为该模板所包含的语 音帧总数，T (n)为第n帧的语音特征矢量。参考模板与测试模板一般采用相同 类型的特征矢量(如MFCC LPC系数)、相同的帧长、相同的窗函数和相同的帧 移。四、基于Matlab的语音识别系统仿真4.1语音模板的获取运用系统的采

9、集模块录制一个普通男声声音，录制09十个语音为实验对象 分别命名为 0a.wav，la.wav，2a.wav，3a.wav， 4a.wav，5a.wav，6a.wav，7a.wav，8a.wav， 9a.wav 分析处理后提取特征参数，经过模板训练，为十个语音分别选取 最合适的语音作为模板，存入数据库建立参考模型库。4.2语音训练类似，录制一组普通男声的声音，同样为09十个语音，作为十个待测语音信号。图4数字 0'的训练波形及系数4.3语音识别训练结束后，用录音设备录入09中的数字，经过波形及系数匹配识别出录入数字，并正确显示识别结果图4 数字 0'的识别结果五 总结通过这次二级项目，更深入的了解的 Matlab 软件强大的功能，了解了利用 Matlab 软件进行界面设计等。 学习到语音识别技术仿真中各函数的运用。 在不断 地改进和完善中，这次二级项目终于顺利完成。参考文献1 何强、何