1 簡(jiǎn)介

??1、語(yǔ)音識(shí)別系統(tǒng)概述

????????語(yǔ)音信號(hào)是一種典型的非平穩(wěn)信號(hào)，并且在錄音過程中不免受到電噪音，呼吸產(chǎn)生的氣流噪音以及錄音環(huán)境下的突發(fā)噪音的影響，所以語(yǔ)音信號(hào)要經(jīng)過預(yù)濾波、采樣量化、分幀、加窗、預(yù)加重、端點(diǎn)檢測(cè)等預(yù)處理過程后才可以進(jìn)行下一步的特征征參數(shù)提取等工作。在接下來的語(yǔ)音訓(xùn)練階段，我們將那些信號(hào)狀態(tài)良好，攜帶噪聲小且特征參數(shù)穩(wěn)定的語(yǔ)音信號(hào)作為指定詞條的模板，進(jìn)而為每個(gè)詞條創(chuàng)建一個(gè)模板并保存為模板庫(kù)。在識(shí)別階段，語(yǔ)音信號(hào)經(jīng)過相同的通道生成測(cè)試模板，用相同的方法計(jì)算測(cè)試模板的特征參數(shù)后，將其與模板庫(kù)模板的特征參數(shù)進(jìn)行匹配，配分?jǐn)?shù)最高的參考模板作為識(shí)別結(jié)果。

????????2、語(yǔ)音信號(hào)的錄入

????????語(yǔ)音信號(hào)的采集方法有很多，鑒于該系統(tǒng)是在MATLAB上實(shí)現(xiàn)，且MATLAB本身提供了一定的音頻處理函數(shù)，因此我們完全可以采用在MATLAB中先完成錄音函數(shù)的編寫，然后再結(jié)合windows自帶的錄音設(shè)備進(jìn)行錄音。錄音得到的wav文件即是經(jīng)過預(yù)濾波采樣和量化的語(yǔ)音。利用soundview讀所錄入的文件時(shí)，會(huì)彈出一個(gè)GUI界面，并可以通過輸出設(shè)備對(duì)所錄語(yǔ)音進(jìn)行回訪，該GUI界面如圖1所示。單擊Play Again按鈕可可回放，單擊Done按鈕可關(guān)閉界面。

????????3、語(yǔ)音信號(hào)的預(yù)加重

????????我們知道，對(duì)語(yǔ)音識(shí)別更有用的是語(yǔ)音的高頻部分，而對(duì)于語(yǔ)音信號(hào)的頻譜，通常是頻率越高幅值越低。因此我們必須對(duì)語(yǔ)音的高頻進(jìn)行加重處理。處理方法是將語(yǔ)音信號(hào)通過一個(gè)一階高通濾波器，即預(yù)加重濾波器，它不僅能濾除低頻提升高頻，還能很好的抑制50Hz到60Hz的工頻干擾。尤其在短點(diǎn)檢測(cè)之前進(jìn)行預(yù)加重還可起到消除直流漂移、抑制隨機(jī)噪聲和提升清音部分能量的效果。預(yù)加重在Matlab中可由語(yǔ)句x=filter([1-0.9375],1,x)實(shí)現(xiàn)。

????????4、語(yǔ)音信號(hào)的分幀和加窗

????????經(jīng)過數(shù)字化的語(yǔ)音信號(hào)實(shí)際上是一個(gè)時(shí)變信號(hào)，為了能用傳統(tǒng)的方法對(duì)語(yǔ)音信號(hào)進(jìn)行分析，應(yīng)假設(shè)語(yǔ)音信號(hào)在10ms-30ms內(nèi)是短時(shí)平穩(wěn)的。為了得到短時(shí)的語(yǔ)音信號(hào)，要對(duì)語(yǔ)音信號(hào)進(jìn)行加窗操作。窗函數(shù)平滑地在語(yǔ)音信號(hào)上滑動(dòng)，將語(yǔ)音信號(hào)進(jìn)行分幀，幀與幀的交疊為幀移，一般為窗長(zhǎng)的一半。

????????語(yǔ)音信號(hào)的分幀采用enframe函數(shù)，其語(yǔ)法為f=enframe(x,len,inc);其中X為輸入的語(yǔ)音信號(hào)，len為制定的幀長(zhǎng)，inc為指定幀移。函數(shù)將返回一個(gè)n×len的一個(gè)矩陣，每行都是一幀數(shù)據(jù)。在本系統(tǒng)中幀長(zhǎng)取240，幀移取80。在Matlab中要實(shí)現(xiàn)加窗即將分幀后的語(yǔ)音信號(hào)乘上窗函數(shù)，本文加漢明窗，即為x=x.*hamming(N)。

????????5、端點(diǎn)檢測(cè)

????????在語(yǔ)音識(shí)別系統(tǒng)中，訓(xùn)練階段和建模階段都比較重要的環(huán)節(jié)都是要先通過端點(diǎn)檢測(cè)找到語(yǔ)音的起點(diǎn)和終點(diǎn)，這樣，我們就可以只對(duì)有效語(yǔ)音進(jìn)行處理，這對(duì)于識(shí)別的準(zhǔn)確率和識(shí)別效率至關(guān)重要。本論文在短點(diǎn)檢測(cè)環(huán)節(jié)采用雙門限端點(diǎn)檢測(cè)法，即采用短時(shí)能量檢測(cè)和短時(shí)過零率檢測(cè)雙重指標(biāo)約束。結(jié)合實(shí)際，我們將整個(gè)語(yǔ)音端點(diǎn)檢測(cè)分為四個(gè)段落，即：無(wú)聲段、等待段、語(yǔ)音段、結(jié)束段，再為短時(shí)能量和短時(shí)過零率各設(shè)置一個(gè)高門限和一個(gè)低門限：EHigh、ELow和ZHigh、ZLow。結(jié)合MATLAB中所編程序，可以較準(zhǔn)確的確定語(yǔ)音的各個(gè)部分。圖2所示為語(yǔ)音“1”的處理結(jié)果。

????????6、特征參數(shù)的提取

????????經(jīng)過預(yù)處理的語(yǔ)音數(shù)據(jù)就可以進(jìn)行特征參數(shù)提取，特征參數(shù)的好壞將直接影響系統(tǒng)的性能和效率。本文將梅爾倒譜系數(shù)（MFCC）和一階MFCC系數(shù)的差分結(jié)合起來，將其合并為一個(gè)矢量作為一幀語(yǔ)音信號(hào)的參數(shù)，這樣，不僅描述了語(yǔ)音的靜態(tài)特性，由于加入了差分倒譜參數(shù)，語(yǔ)音的動(dòng)態(tài)特性得到了更好的體現(xiàn)。梅爾倒譜參數(shù)的計(jì)算流程為：先將預(yù)處理過的語(yǔ)音信號(hào)進(jìn)行快速傅立葉變換，將時(shí)域信號(hào)變換成為信號(hào)的功率譜。再用一組Mel頻標(biāo)上線性分布的三角窗濾波器（本文采用24個(gè)三角窗濾波器）對(duì)信號(hào)的功率譜濾波，每一個(gè)三角窗濾波器覆蓋的范圍都近似于人耳的一個(gè)臨界帶寬，以此來模擬人耳的掩蔽效應(yīng)。然后對(duì)三角窗濾波器組的輸出求取對(duì)數(shù)，可以得到近似于同態(tài)變換的結(jié)果。最后去除各維信號(hào)之間的相關(guān)性，將信號(hào)映射到低維空間。梅爾倒譜系數(shù)的計(jì)算差分參數(shù)的計(jì)算采用下面的公式：

????????7、模式匹配

????????本語(yǔ)音識(shí)別系統(tǒng)的模式匹配算法采用動(dòng)態(tài)時(shí)間彎折（Dynamic Time Warping，DTW）算法，該算法基于動(dòng)態(tài)規(guī)劃的思想，解決了發(fā)音長(zhǎng)短不一的模板匹配問題。DTW是語(yǔ)音識(shí)別中出現(xiàn)較早，較為經(jīng)典的一種算法。與HMM算法相比而言，DTW算法具有計(jì)算量小，識(shí)別效率高的特點(diǎn)。模式匹配的過程其實(shí)就是根據(jù)一定的規(guī)則,計(jì)算輸入矢量特征與庫(kù)存模式之間的相似度,判斷出輸入語(yǔ)音的語(yǔ)意信息。本文中,失真測(cè)度采用下式所示的歐式距離:

????????其中,l=1,2,…M；i=1,2,…I;k=1,2,…K.是待測(cè)矢量之間的距離，是第i個(gè)碼本的第l個(gè)碼字矢量的第k個(gè)分量。I為說話者的數(shù)量，M為碼本的大小，K為參數(shù)矢量的總維數(shù)。由上式得出該語(yǔ)音相對(duì)于該命令詞的最短距離,然后取最短距離最小的命令詞作為該段語(yǔ)音的首先識(shí)別結(jié)果。結(jié)合MATLAB程序，得到數(shù)字1-10的匹配距離矩陣：

????????圖3即為針對(duì)數(shù)字1-10的待測(cè)模板和模板庫(kù)模板匹配距離的現(xiàn)實(shí)，由該距離矩陣，我們可以很清楚的看到，左上角到右下角的對(duì)角線上的距離匹配值在該值所在的行和列都是最小的。即距離最短的命令詞為識(shí)別結(jié)果。

????????8、結(jié)語(yǔ)

????????該論文闡述了基于DTW的語(yǔ)音識(shí)別系統(tǒng)在MATLAB上實(shí)現(xiàn)的基本過程,在實(shí)驗(yàn)室錄音情況下，該識(shí)別系統(tǒng)的識(shí)別率可以達(dá)到百分之九十以上，效果良好。

2 部分代碼

clear allcloseclc;disp('正在計(jì)算參考模板的參數(shù)...')for i=1:10fname=sprintf('%d0.mp3',i-1);[x,fs]=audioread(fname);sound(x,fs); ?[x1 x2]=vad(x);% ? x1=abs(round(x1));% ? x2=abs(round(x2)); ?m=mfcc(x); ?m=m(x1-2:x2-4,:); ?ref(i).mfcc=m;enddisp('正在分析語(yǔ)音信號(hào)...')for i=1:10fname=sprintf('%d0.mp3',i-1);%[x,fs,bit]=audioread(fname,[2000,2512]); ? ? %采樣%[x,fs]=audioread(fname,[2000,2512]);%sound(x,fs); ? ? ?%播放語(yǔ)音信號(hào)figure(i);subplot(3,3,1);plot(x(1:256)); ? ?%原始語(yǔ)音信號(hào)的時(shí)域圖形%title('原始信號(hào)')subplot(3,3,2)[h,w]=freqz(x,fs); ? ? ?%原始語(yǔ)音信號(hào)的頻率響應(yīng)圖hr=abs(h); ? ? ? ? ? ?%求系統(tǒng)幅頻響應(yīng)plot(w,hr);title('幅頻圖');xlabel('Frequency in rad mple')ylabel('Magnitude in dB')subplot(3,3,3)hphase=angle(h);hphase=unwrap(hphase); ?%求系統(tǒng)相頻響應(yīng)plot(w,hphase);title('相頻圖');xlabel('Frequency in rad mple')ylabel('Phase in degrees')y=fft(x,512); ? ? ?%傅立葉變換%mag=abs(y);mag1=10*log10(mag);f=fs*(0:255)/512;subplot(3,3,4)plot(f,mag(1:256)); ? %FFT頻譜圖 %title('fft變換后信號(hào)')iff=ifft(y,512); ? %反傅立葉變換%ifm=abs(iff);subplot(3,3,5)plot(f,ifm(1:256))title('ifft后信號(hào)')% 短時(shí)傅里葉變換Ts=1/fs;%N=T/Ts;N=512;Nw=20; ? ? %窗函數(shù)長(zhǎng)L=Nw/2; ? ?%窗函數(shù)每次移動(dòng)的樣點(diǎn)數(shù) ? Tn=(N-Nw)/L+1; ? ?%計(jì)算把數(shù)據(jù)x共分成多少段nfft=32;%FFT的長(zhǎng)度Tn=round(Tn);TF=zeros(Tn,nfft); ? %將存放三維譜圖，先清零for i=1:Tn ? ?xw=x((i-1)*10+1:i*10+10); ? ?%取一段數(shù)據(jù) ? ?temp=fft(xw,nfft); ? ? ? ? ? %FFT變換 ? ?temp=fftshift(temp); ? ? ? ? %頻譜以0頻為中心 ? ?for j=1:nfft ? ?TF(i,j)=temp(j); ? ? ? ? ? ? ? ?%把譜圖存放在TF中 ? ?endendsubplot(3,3,6)fnew=((1:nfft)-nfft/2)*fs/nfft;tnew=(1:Tn)*L*Ts;[F,T]=meshgrid(fnew,tnew);mesh(F,T,abs(TF))title('短時(shí)傅立葉變換時(shí)頻圖')subplot(3,3,7)contour(F,T,abs(TF))title('等高線表示')enddisp('正在計(jì)算測(cè)試模板的參數(shù)...')for i=1:10 fname=sprintf('%d2.mp3',i-1);x=audioread(fname);disp('正在進(jìn)行模板匹配...')dist=zeros(10,10);for i=1:10enddisp('正在計(jì)算匹配結(jié)果...')for i=1:10 ?[d,j]=min(dist(i,:)); ?fprintf('測(cè)試信號(hào)%d的識(shí)別結(jié)果為:%d\n',i-1,j-1);end

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]肖利君. 基于DTW模型的孤立詞語(yǔ)音識(shí)別算法實(shí)現(xiàn)研究[D]. 中南大學(xué), 2010.

博主簡(jiǎn)介：擅長(zhǎng)智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無(wú)人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。