届语音信号处理课程设计报告孤立词识别Word下载.doc

1、主要内容 编程实现基于动态时间规整的小规模孤立词语音识别系统，可以实时识别每个集合内的孤立词。设计要求1. 录制训练及测试语音。2. 能够提取特征参数MFCC。3. 能够使用动态时间规整（DTW）算法计算语音模板之间的距离。4. 编程实现基于动态时间规整的小规模孤立词语音识别系统。5. 对某个集合内的孤立词语音实时进行识别6. 准确率应不低于80%。仪器设备计算机1台，安装MATLAB软件及cooledit录音软件参考文献数字语音处理及MATLAB仿真M.北京：电子工业出版社，2010. 课程设计进度计划（起止时间、工作内容）本课程设计共安排3个题目，这是其中题目之一。具体进度如下：6学时 复

2、习题目相关知识，掌握实现的原理；16学时 用MATLAB语言实现题目要求；6学时 进一步完善功能，现场检查、答辩；4学时 完成课程设计报告。课程设计开始日期2015.5.14课程设计完成日期2015.6.14课程设计实验室名称电子信息技术实验室 地 点实验楼3-507资料下载地址摘 要本论文主要阐述了语音识别系统开发的过程，采用了端点检测和特征参数提取的思路，主要的关注点是如何运用MEL频率倒谱系数（MFCC）的算法,也运用了动态时间规整（DTW）算法，以MATLAB语言为编程语言，编程和获得语音识别算法。笔者设计的语音识别算法的识别率相对较高，而以该算法为基础的语音识别系统可以达到设计的要求

3、，所以其市场前景广阔。关键词：语音识别系统；MFCC；DTW；孤立词识别 Abstract This paper mainly expounds the voice recognition system development process, using the endpoint detection and feature extraction of ideas, the main concern is how to use MEL Frequency Cepstral Coefficients （MFCC） algorithm, also used the Dynamic Time War

4、ping （DTW） algorithm in MATLAB language programming language programming and access to speech recognition algorithm.The author design the speech recognition algorithm of the recognition rate is relatively high, and based on the algorithm of speech recognition system can meet the design requirements,

5、 so its wide prospect of market. Keywords: speech recognition system, MFCC,the DTW （dynamic time warping）; isolated words recognition; 目 录12级“语音信号处理课程设计”任务书2摘 要3Abstract 4第一章 概述61.1主要内容61.2要求61.3主要仪器设备61.4基本方法6第二章 信号特征参数MFCC提取7第三章 DTW算法9第四章 实现过程及结果114.1 实现过程114.2 结果及分析12结束语12参考文献12附录131、place_recgrn

6、ition132、vad143、mfcc164、dtw175、out19 第一章 概述21世纪，人类要不断地进行信息交流和传递，而在这一过程中，语音无疑是最为方便的工具和主要的交流媒介。所以，为了达到交流方便的目的，我们往往在人机系统中，采用语音识别系统。说得更通俗一点，语音识别就是要能让机器理解人在说什么，即准确地识别出语音的内容，以此来达到人的意愿执行机器指令的目的。就语音识别技术的应用的主要内容来看，主要就是语音拨号、导航、语音文档检索等一系列功能。语音识别技术就好像其他的自然语言处理技术一样，在处理了相关的技术之后，就能够顺利地展开语音间翻译。1.1主要内容 编程实现基于动态时间规整的

7、小规模孤立词语音识别系统，可以实时识别每个集合内的孤立词。1.2要求 1.录制训练及测试语音。 2.能够提取特征参数MFCC。 3.能够使用动态时间规整（DTW）算法计算语音模板之间的距离。 4.编程实现基于动态时间规整的小规模孤立词语音识别系统。 5.对某个集合内的孤立词语音实时进行识别 6.准确率应不低于80%。1.3主要仪器设备 计算机1台，MATLAB软件及cooledit录音软件1.4基本方法 一般开说，我们在识别语音的时候，主要有三种语音识别方法：第一种是声道模型和语音知识方法，第二种是模板匹配方法，第三种是人工神经网络语音识别方法。（1）声道模型和语音识别方法： 这种方法是较早就

8、开始进行过研究的，当时主要是在语音识别技术的基础上提出来的，但是考虑到其模型及语音知识相对来说不是很简单，所以就是到了现在也没有采用于实际的工作中。一般来说，人们都会以为，在一些我们经常使用到的语言中，语音基元的数量是有限的，在区分它们的时候，我们通常都是以时域特性和语音信号频域为基础的，具体地来说，要实现该方法主要是按以下步骤进行的：其一，分段和标号，通过以时间为基本单元，把语音信号按划分成若干个离散的段，任何一段都与若干个语音基元特性存在着相互对应的联系。从此之后，人们在对语音基元进行分段的时候，都是以声学特性为基础，会给出相对应的标音符号。其二，我们成功地获取到了词序列之后，下一步的工作

9、就是以语音识别序列为基础，获取到首个语音基元网格。（2） 主要的模版匹配方法模板匹配方法目前的发展情况非常好，可以所已经处于一个比较成熟的实用阶段。我们在匹配模板的时候，通常都是按照下面的顺序来进行的：提取特征、讯乱模板、分类模板、判决。其中，往往用来开展此工作的方法如下：动态时间规整（DTW）、隐马尔可夫（HMM）理论等。第二章 信号特征参数MFCC提取语音信号在端点检测以后，就把其中的噪声消去了，同时也把有价值的语音信息全部提出来了，这也就进到了语音识别的最关键的阶段：特征提取阶段。正确又合理地把特征参数选择出来，有利于提高系统的识别率，而且还会系统的实时性能产生较大的影响。语音信号特征提

10、取往往就是出于二个目的，其一就是想尽办法取得模式匹配数据库中的模板样本：其二就是在进行语音识别时，采取一切措施，减少相同类的类间距离，与此同时，语音信号的端点还要保持在类的类间距离尽量大，这也就意味着异音字特征间的距离尽可能的大，而使得同音字的间距尽可能地缩小。近几年以来，充分地利用人耳的特殊感知特性的参数在实际中得到了普及应用，这就是Mel频率倒谱参数（Mel Frequency Cepstrum Coefficient，MFCC），简称MFCC。MFCC参数能够比LPCC参数可以更好地优化系统的性能。Mel频率和线性频率的具体关系式如下：对于频率轴，我们主要是使用了不均匀划分方法，而这也是

11、MFCC特征最大的特点。如图2.2所示的滤波器组中，就有16个滤波器。图2.2 Mel带通滤波器组图我们往往也按帧来计算MFCC倒谱系数，在实际应用中，MFCC倒谱系数的计算过程如图2.3：图2.3 MFCC计算的一般流程（1）其一，就是要对信号进行预加重和加窗处理，然后以此为基础，做好离散FFT的变换工作，在进行了取模，再平方以后，又得到了离散功率谱。在此次文章中，我们主要是用了帧长为256点，帧移为80点的信号。所以，我们根据此，得到了第n帧语音信号,另外也做了离散傅里叶变换工作，并得到了下面的关系式：除此之外，我们再根据短时功率谱与短时傅里叶变换的关系，可以直接地把其中的短时功率谱求解出

12、来，具体的可以用如下的关系式：（2）对 做准确的计算，其主要的思路就是通过M（M往往是取1624）个Mel带通滤波器，在滤波处理了以后，以此得到了相关的功率值。所以，在任何的频带里，人耳在其中的作用是叠加形成的，所以我们把滤波器的能量放在一起，也主要是对和在各点离散频率点上的乘积的和做一些详细的计算，以此来获得M个参数只（3）对的自然对数，我们运用如下的公式进行计算，以此来计算出对数功率谱，接下来，我们开展离散余弦变换（DCT）工作，从而得到了L个MFCC系数。对于L，我们往往是取12-16位为主。（4）对于其中的任何一个帧的语音信号，我们都要想办法把其中的L维MFCC参数计算出来，往往还是使

13、用其中的一个参数进行提升。总的来说，标准的MFCC参数往往就只能显示出语音信号的某些静态特性，虽然纯净语音信号情况下可能会产生比较好的识别率。但是，有一点要注意的，那就是如果测试环境和训练环境无法进行匹配，就有可能会导致识别系统的性能下降的情形。其具体的计算公式如下： 第三章 DTW算法DTW（Dynamic Time Warping, 动态时间规整）算法简介：在识别孤立词语音的时候，较好的方法就是DTW算法，它在语音识别中实用得比较早，也是其中最有影响力的一种，在识别孤立词的时候，经常都会使用到这种方法。在DTW算法中，无需做更多的计算。不管是建立模板还是训练模板的阶段，还是识别的阶段，需要判断最终的语音起点和终点。用R（1），R（2），R（m），R（M）来表示其中的一个参考模板，其中起点语音帧用m=1表示，而m=M表示的则是终点语音帧。在表示参考模板和测试的时候，分别用T和R来表示它们。通常来说