毕业论文《语音识别系统的设计与实现》

摘要II I I第一章绪论 1 1 1 41.4论文主要研究内容及结构安排 5第二章语音识别系统 62.1语音识别系统简介 62.1.1语音识别系统的结构 62.1.2语音识别的系统类型 72.1.3语音识别的基元选择 92.2语音识别系统的应用 92.2.1语音识别系统的应用分类 92.2.2语音识别系统应用的特点 2.2.3语音识别系统的应用所面临的问题 2.3语音识别的算法简介 2.3.1基于语音学和声学的方法 2.3.2模板匹配的方法 第三章语音识别系统的理论基础 3.1语音识别系统的基本组成 3.2语音预处理 3.2.4语音特征参数提取 3.2.5语音训练和识别 第四章特定人孤立词语音识别系统的设计方案 264.1基于VQ语音识别系统的模型设计 264.2语音识别系统特征参数提取提取 274.2.1特征参数提取过程 27 4.3.1用矢量量化生成码本 4.4设计结果分析 总结与体会 VQ在孤立词语音识别系统中得到很好的应用，特别是有限状态矢量量化技术，语音识别技术已经在声控电话交换、语音拨号系语音识别的目的，就是让机器听懂人类口述和人工智能等研究领域。例如：近年来，人工神别听写器、声控拨号、银行信用卡查询等。这是用到掌上电脑等手持终端设备实现电话号码查Rabiner等科学家的努力，他们把原本艰涩的HMM纯数学模型C程序化测试模式测试模式相似度比较帧特征矢量序列逐征进行特征提取调试图1.1早期的特定人、小词汇表、孤立词识别系统原理框图模式模板库型)的提出，使得非特定人、大词汇表、连续后处理概率后处理HMM图1.2基于HMM的孤立词识别系统原理框图音识别的研究进度。以此为契机，SRI，MIT，CMU，BBN等展开激烈竞争，并且取得得了重要的成果。在我国的“八五”计划和“863”计划中，汉语语音识别的研究得工智能、数字信号处理、信息论、模式识别理论、最声控电话交换、语音拨号系统、信息网络查询、家庭统、订票系统声控智能玩具、医疗服务、银行服务、控制、工业控制、语音通信系统等等，几乎涉及到同“语音时代”己经来临商家也都对此充满了信心，希市场上较少有语音识别系统的成熟应用。厂商并没有人、连续语音、大词汇量的语估问题、训练问题和解码问题)进行了详细的介绍。同时，详细分析了系统的实现过第二章语音识别系统后处理预处理特征提取相似性度量后处理参考模式库图2.1语音识别基本结构原理框图（2）连接词语音识别（connected-wordss（3）连续语音识别系统（continuespeechrecognitionsystem语音”是相对“朗读式语音”而言的，朗读式语通常是不流畅的，包含许多随机事件，如语音重）；词句、音节、音素或更小的单位，具体选择什么无调音节。因此，对于中、大词汇量汉语语音识语语音识别系统也在越来越多地采用。原因在元的颗粒度大，基元声学稳定性高，但需要的数据量例如提高生产率，容易使用，更好的人机界一种有效地与人交流的方式，例如某种回退模％，％，％）靠。实际中，单词错误的发生是不相干的，因此在较标准的发音来进行识别的。而实际上，人们说觉地思考，经常会在打断语言的连续性，而插入经过四个步骤：特征提取、模板训练、模板基础。所谓端点检测就是在语音信号中的各种段落(如音素算法(DTW：DynamicTimeWarping)。算法的思想就是把词汇量、连续语音的非特定人语音识别系统都是基于HMM模型的。HMM是对号本身是一个可观测的时变序列，是由大脑根据语法知识和言解出产生输出序列的最佳状态转移序列X。所谓最佳是以X的最大条件矢量与这些边界进行比较，并被量化为“距误差、Itakura2Saito距离、似然比失真测经网络(ANN)本质上是一个自适应非线性具有自适应性、并行性、鲁棒性、容错性和学习第三章语音识别系统的理论基础不同的语音识别系统，虽然具体实现细节有所不同，但所采用的基本流程相似，包括预处理、特征提取、模型训练和识别几个部分。一个典型语音识别系统的实现过程如图3.1语音增强语音训练数据、噪声数据等特征补偿声学模型后处理语音模型/词典结果文本训练数据y(n)=x(n)+αx(n-1)α=0.98（3-1）wm=-∞（2）分别沿这一语音段向两端搜索，大于某个阈值ML的部分还是语音段，这无声段，确定一个过零率的阈值Z,从ML确定的语音段向前搜索不超过一帧的长度，短时过零率突然低于Z三倍的点被认为是语音的起始点。尽可能多的反映语义信息，尽量减少说话人的个人由全极点产生的，很好的逼近共振峰，提供谱估MFCC定义为语音信号经过快速傅里叶变换后所得的加窗短时信号的实基于人耳的听觉特性，将频谱转化为基于Mel频标的非线性频谱，然后转换到倒谱n=0H1(k)H2(k)H3(k)H4(k)H5(k)H6(k)图3.3通过Mel频率滤波器组的到的Mel频谱其中Mel频率滤波器组为在语音的频率范围内设置若干个带通滤波器H(K)，M（3-6）其中f、f为滤波器的频率应用范围的最低频率和最高频率，N为步骤(2)中lks人具有不同的说话特征，可以用特定说话人语述，用VQ建立识别模型,可以大大减cii图3.4矢量量化原理示意图（1C代表整个特征空间3-9）ijiii矢量间“距离”的规则，“距离”的远近能客观地反映失真度的大小。这种“距离”j算法，就可以得到十个码本{C(i)}，i=1，2，…,5LBG算法是矢量量化中进行码本设计的一种有效的方法，它是由Linde，BuRjjlj（3-11）rR（3-12）（3-13）R第i个说话人，它的码本C(i)=Y(i);对无个说话人分别构建其码本，即可获得R类别号图3.5基于矢量量化的语音识别过程t式中，t(i)(i)，且满足t,yj(i))（3-15）jjD(C(k))=minD(C(i))（3-16）i第四章特定人孤立词语音识别系统的设计方案预处理预加重加汉明窗特征参数预处理预加重加汉明窗特征参数输入本VQ计算图4.1语音识别系统结构框图统中通过functioncode=train(traindir,n)函数实现。而在识别阶段，由待识别人说的语音中导出参量要与训练过程中的参考参量集或模板加以比较。我们用VQ滤波器组IFFT取其中式中x(n)为输入的语音信号，N表示傅立叶变换的点数。分帧后后将每帧信号用Hamming窗相乘，以减小帧起始和结m=-∞用的滤波器为三角滤波器，中心频率为f(m),m=1,2,M，本系统取M=100。k=1其中H(k)为三角滤波器的频率响应。m（4-5）量，故在一般识别系统中，将C称为能量系数，并不作为倒谱系数，本系统选取200Wav格式的语音文件读取是用wavread。本设计中的语句m=melfb(20,n,fs);%通过一组Mel尺度的三角形滤波器组r=dct(log(z));（计算每个滤波器组输出的对数能量,再经过经过离散余k第三步：根据得到的码本把所有的训练序列(特征矢量)进行分类，然后按照下面两个公式计算训练矢量量化失真量的总和n=0，D[-1]=∞,B为当前的码书)，若相对失真小于某一阈值ε,迭代结束，当前的码（4-8）第五步：重复第二步，第三步和第四步，直到形成有M个码字的第i个码书第m个码字，共有N个码书(即N个说话人)，每一个码书有M个码字。则i对于说话人辨识用（4-7）式计算第i个说话人的平均量化失真D，然后用i法求出{D1,D2,...,DN}，则最终的识别结果就是Di最小者所对应的那个i，即是所辨识样。在0.0m和0.1m时，识别效果非常好，识别率为100%，拒识率为为s1,B同学语音文件命名为s2,C同学语音文件命名为s3同学的文件名为s5。在每个不同距离的子文件图4.3原始语音波形图4.4看到在第100帧，窗长为256时它的能量谱和对数能图4.4s1的能量谱和对数能量谱图图4.5