1，方超2，單夢(mèng)凡3，封孔飛4DaQing1，F(xiàn)angChao2，ShanMengfan3，F(xiàn)engKongfei4061221015061221021061221016061221022摘要：語音作為一個(gè)交叉學(xué)科，具有深遠(yuǎn)的研究?jī)r(jià)值，近50年的研究發(fā)展，語音識(shí)別技術(shù)已經(jīng)有了極大的發(fā)展，但大多數(shù)產(chǎn)品能存在與實(shí)驗(yàn)室，沒有達(dá)到使用化的效果，所以語音識(shí)別的研究還要更加深入。本為主要闡述了小波變換在語音信號(hào)去噪的應(yīng)用，語音端點(diǎn)的檢測(cè)，語音特征的提取及一種簡(jiǎn)單的語音識(shí)別算法。引言語音識(shí)別系統(tǒng)構(gòu)成語音信號(hào)的小波去噪語音信號(hào)的端點(diǎn)檢測(cè)語音特征的提取基于DTW的語音識(shí)別算法實(shí)驗(yàn)結(jié)果及分析前端處理包括語音的錄入、處理、特征值的提取后端是個(gè)夸數(shù)據(jù)庫的搜索過程，分為訓(xùn)練和識(shí)別訓(xùn)練是對(duì)所建的模型進(jìn)行評(píng)估、匹配、優(yōu)化，獲得模型參數(shù)識(shí)別是一個(gè)專用的搜索數(shù)據(jù)庫獲取前端數(shù)值后，有聲學(xué)模型、一個(gè)語言模型和一個(gè)字典，聲學(xué)模型表示一種語言的發(fā)音聲音，可以通過訓(xùn)練來識(shí)別特定用戶的語音模型和發(fā)音環(huán)境的特征，語言模型是對(duì)語料庫單詞規(guī)則化的概率模型。字典列出了大量的單詞及發(fā)音規(guī)則。總體上說，語音識(shí)別是一個(gè)模式識(shí)別匹配的過程。在這個(gè)過程中，計(jì)算機(jī)首先要根據(jù)人的語音特點(diǎn)建立語音模型，對(duì)輸入的語音信號(hào)進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語音識(shí)別所需的模板。然后，在識(shí)別過程中，計(jì)算機(jī)根據(jù)語音識(shí)別的整體模型，將計(jì)算機(jī)中已經(jīng)存有的語音模板與輸入語音信號(hào)的特征進(jìn)行比較，并根據(jù)一定的搜索和匹配策略找出一系列最優(yōu)的與輸入語音匹配的模板。最后通過查表和判決算法給出識(shí)別結(jié)果。顯然，識(shí)別結(jié)果與語音特征的選擇、語音模型和語言模型的好壞、模板是否準(zhǔn)確等都有直接的關(guān)系。語音去噪技術(shù)是語音信號(hào)處理的一個(gè)重要分支，它在解決噪聲污染、改進(jìn)語音質(zhì)量、提高語音可懂度等方面發(fā)揮著越來越重要的作用。當(dāng)噪聲與語音的頻譜相似時(shí)，傳統(tǒng)的單純時(shí)域或頻域處理往往無法達(dá)到很好的效果。小波變換是一種多尺度的信號(hào)分析方法，是分析非平穩(wěn)信號(hào)的有力工具。它克服了短時(shí)傅里葉變換固定分辨率的弱點(diǎn)，既可以分析信號(hào)的概貌，又可以分析信號(hào)的細(xì)節(jié)。利用小波變換實(shí)現(xiàn)信號(hào)去噪，具有很好的效果。小波閾值去噪方法是實(shí)現(xiàn)最簡(jiǎn)單、計(jì)算量最小的一種方法，因而得到了最廣泛的應(yīng)用設(shè)ψ(t)∈L2(R)(L2(R)表示平方可積的實(shí)數(shù)空間,即能量有限的信號(hào)空間),其傅立葉變換為ψ(ω)。當(dāng)ψ(ω)滿足允許條件:時(shí)，我們稱ψ(t)為一個(gè)基本小波或母小波，將母函數(shù)ψ(t)經(jīng)伸縮或平移后,就可以得到一個(gè)小波序列。對(duì)于連續(xù)的情況，小波序列為

其中a為伸縮因子,b為平移因子。對(duì)于離散的情況,小波序列為

對(duì)于任意的函數(shù)f(t)∈L2(R)的連續(xù)小波變換為，小波去噪方法大致可分為三類,第一類是基于小波變換模極大值原理進(jìn)行去噪;第二類是對(duì)含噪聲信號(hào)作小波變換之后,計(jì)算相鄰尺度間小波系數(shù)的相關(guān)性,根據(jù)相關(guān)性區(qū)別小波系數(shù)的類型;第三類是閾值去噪。閾值去噪即對(duì)小波系數(shù)設(shè)置閾值,在眾多小波系數(shù)中,把絕對(duì)值較小的系數(shù)置為零,而讓絕對(duì)值較大的系數(shù)保留或收縮,然后對(duì)閾值處理后的系數(shù)進(jìn)行小波逆變換,直接進(jìn)行信號(hào)重構(gòu),即可達(dá)到去噪的目的。小波閾值去噪的主要理論依據(jù)為:信號(hào)在小波域內(nèi)其能量主要集中在有限的幾個(gè)系數(shù)中,而噪聲的能量卻分布于整個(gè)小波域內(nèi)。因此經(jīng)小波分解后,信號(hào)的小波變換系數(shù)要大于噪聲的小波變換系數(shù)。于是可以找到一個(gè)合適的數(shù)作為閾值,當(dāng)小波系數(shù)小于該閾值時(shí),認(rèn)為這時(shí)的小波系數(shù)主要是由噪聲引起的;當(dāng)小波系數(shù)大于該閾值時(shí),則認(rèn)為其主要是由信號(hào)引起的。選擇一個(gè)合適的閾值,對(duì)小波系數(shù)進(jìn)行閾值處理,就可以達(dá)到去除噪聲而保留有用信號(hào)的目的。語音信號(hào)的端點(diǎn)識(shí)別是語音處理和語音識(shí)別的基礎(chǔ)，然而在噪聲環(huán)境下識(shí)別語音信號(hào)的端點(diǎn)往往比較困難的。我們采用的是經(jīng)典的雙門限檢測(cè)法為了區(qū)分噪音和語音，很直觀的一種方法是用信號(hào)的幅度作為特征，只要設(shè)定一個(gè)門限，當(dāng)信號(hào)的幅度超過該門限的時(shí)候，就認(rèn)為語音開始，當(dāng)幅度降低到門限以下就認(rèn)為語音結(jié)束。實(shí)際上，一般我們是使用短時(shí)能量的概念來描述語音信號(hào)的幅度的。對(duì)于輸入的語音信號(hào)x(n)，其中n為采樣點(diǎn)，首先進(jìn)行分幀的操作，將語音信號(hào)分成20~30毫秒一段，相鄰的兩幀之間有10~20毫秒的交疊。具體的幀長(zhǎng)和幀移隨采樣頻率不同而不同。對(duì)于第i幀，第n個(gè)樣本，他與原始語音信號(hào)的關(guān)系為：第i幀語音信號(hào)的短時(shí)能量可以用下面幾種算法得到:將語音信號(hào)分幀后計(jì)算每幀的短時(shí)能量，再設(shè)一個(gè)門限，就可以實(shí)現(xiàn)一個(gè)簡(jiǎn)單的端點(diǎn)檢測(cè)算法。但是這樣的算法是很不可靠的，因?yàn)槿说恼Z音分清音和濁音兩種。濁音為聲帶振動(dòng)發(fā)出，對(duì)應(yīng)的語音信號(hào)有幅度高周期性明顯的特點(diǎn)，而清音則不會(huì)有聲帶的振動(dòng)，只是靠空氣在口腔中的摩擦、沖擊或爆破而發(fā)聲，其短時(shí)能量一般比較小，往往會(huì)被基于能量的算法漏過去。所以我們用過零率來進(jìn)行修正。將短時(shí)能量和過零率結(jié)合起來，對(duì)一段語音進(jìn)行單個(gè)語音端點(diǎn)的檢測(cè)：對(duì)連續(xù)語音進(jìn)行語音分割：5.1線性預(yù)測(cè)系數(shù)5.2線性預(yù)測(cè)倒普系數(shù)5.3Mel頻率倒普系數(shù)語音信號(hào)的聲管模型在語音識(shí)別系統(tǒng)中，很少直接使用LPC系數(shù)，而是由LPC系數(shù)推導(dǎo)出另一種參數(shù)：線性預(yù)測(cè)倒普系數(shù)（LPCC），其遞推式如下:式中a1

，...，ap

為p階LPC特征向量。cn

，n=1，...，p，p為倒譜的前p個(gè)值，當(dāng)LPCC的階數(shù)不超過LPC階數(shù)p的時(shí)候，用第二式進(jìn)行計(jì)算;如果LPCC階數(shù)大于p，則用第三式進(jìn)行計(jì)算，此時(shí)實(shí)際上是一種外推。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)。這種參數(shù)沒有充分利用人耳的聽覺特性。實(shí)際上，人的聽覺系統(tǒng)是一個(gè)特殊額度非線性系統(tǒng)，它響應(yīng)不同頻率信號(hào)的靈敏度是不同的，基本上是一個(gè)對(duì)數(shù)的關(guān)系。近年來，一種能夠比較充分利用人耳這種特殊的感知特性的參數(shù)得到了廣泛的應(yīng)用，這就是Mel尺度倒譜參數(shù)，或稱Mel頻率倒譜參數(shù)（MFCC）。MFCC參數(shù)的計(jì)算是以“bark”為其頻率基準(zhǔn)的，它和線性頻率的轉(zhuǎn)換關(guān)系是：差分參數(shù)的計(jì)算采用下面的公式：這里的c和d都表示一幀語音參數(shù)，k為常數(shù)，通常取2，這時(shí)差分參數(shù)就稱為當(dāng)前幀的前兩幀和后兩幀的線性組合。在孤立詞語音識(shí)別中，最為簡(jiǎn)單有效的方法是采用DTW（DynamicTimeWarping，動(dòng)態(tài)時(shí)間彎折），該算法基于動(dòng)態(tài)規(guī)劃（DP）的思想，解決了發(fā)音長(zhǎng)短不一的模板匹配問題，是語音識(shí)別中出現(xiàn)較早，較為經(jīng)典的一種算法。用于孤立詞識(shí)別，DTW算法與HMM算法在相同的環(huán)境下，識(shí)別效果相差不大。但HMM算法在訓(xùn)練階段需要提供大量的語音數(shù)據(jù)，通過反復(fù)計(jì)算才能得到模板參數(shù)，而DTW算法的訓(xùn)練中幾乎不需要額外的計(jì)算。為了描述這條路徑，假設(shè)路徑通過的所有格點(diǎn)依次為（n1,m1)，...，（ni,mi)，...，（nN,mN)，路徑可以用函數(shù)：描述，為了使路徑不至于過分傾斜，可以約束斜率在0.5~2的范圍內(nèi)，即如果路徑已通過了（ni-1,mi-1)，則（ni,mi)只可能是：1.（ni,mi)=（ni-1+1，mi-1+2)；2.（ni,mi)=（ni-1+1，mi-1+1)；3.（ni,mi)=（ni-1+1，mi-1)；于是求最佳路徑的問題可以歸結(jié)為求最佳路徑函數(shù)使得路徑的積累距離最小。搜索該路徑的方法如下：搜索從（n1,m1)點(diǎn)出發(fā)，可以展開若干條滿足約束條件的路徑。假設(shè)可計(jì)算每條路徑達(dá)到終點(diǎn)的總的積累距離，具有最小積累距離的路徑即為最佳路徑。易于證明，限定范圍的任意網(wǎng)格點(diǎn)（ni,mi)只可能有一條搜索路徑通過。對(duì)于（ni,mi)，其可達(dá)到該網(wǎng)格點(diǎn)的前一個(gè)網(wǎng)格點(diǎn)只可能是（ni-1,mi)，（ni-1,mi-1)和（ni,mi-2)，那么（ni,mi)一定選擇這3個(gè)距離中最小的對(duì)應(yīng)的點(diǎn)為其前續(xù)網(wǎng)格點(diǎn)，若用（ni-1,mi-1)代表此網(wǎng)格點(diǎn)，并將通過該格點(diǎn)的路徑延伸而通過（ni,mi)，此時(shí)路徑的累計(jì)距離為：而：這樣就可以從（ni,mi)=(1,1)出發(fā)直至搜索到（nN,mN)求得整條路徑在我們這個(gè)實(shí)驗(yàn)中，采用了0~9這是個(gè)數(shù)字作為參考模板，先由小波去噪做語音的預(yù)處理，然后用基于短時(shí)能量和過零率的雙門限法進(jìn)行端點(diǎn)檢測(cè)，再計(jì)算每幀語音的MFCC系數(shù)