语音识别控制小车设计大学本科毕业论文(3)

非特定人大词表连续语音识别是近几年研究的重点，也是研究的难点。目前的连续语音识别大多是基于HMM(隐马尔可夫模型)框架，并将声学、语言学的知识统一引入来改善这个框架，其硬件平台通常是功能强大的工作站或PC机。

§2.2 声音录入

本设计利用PC上的话筒口进行声音录入。通过MATLAB的wavrecord函数进行声音录入。wavrecord是MATLAB的专有声音录入函数，他有一下三种调用方式：

（1） y = wavrecord(n,Fs) （2） y = wavrecord(n,Fs,ch) （3） y = wavrecord(n,Fs,\'dtype\')

其中n代表声音录入的总采样数。Fs代表声音的采样率。ch代表声音录入采用的通道数，当ch为1时为单声道，当ch为2时为立体声。’dtype’代表采样数据的存储类型，MATLAB提供四种存储类型如下：

（1） \'double\' (default value), 16 bits/sample （2） \'single\', 16 bits/sample （3） \'int16\', 16 bits/sample （4） \'uint8\', 8 bits/sample

本设计单次采样总数为50000点，采样率为22000HZ。 即：y=wavrecord(50000,22000);

5

河南科技大学本科毕业设计（论文）

§2.3 声音的预处理

§2.3.1 欲加重处理

预加重的目的在于滤除低频干扰，尤其是50Hz或60Hz的工频干扰，将对于语音识别更为有用的高频部分的频谱进一步提升。在计算短时能量之前应用该滤波器，还可以起到消除直流漂移、抑制随机噪声和提升清音部分能量的效果。

§2.3.2 分帧处理

在计算各个系数之前要先将语音信号作分帧处理。语音信号是瞬时变化的，但在10～20ms内是相对稳定的.我设定的采样频率为11025所以我们对预处理后的语音信号S1(n)以1024点为一帧进行处理，帧移为512个采样点。

§2.4 端点检测

所谓端点检测，就是在实时输入的声音信号中，区分背景噪声和环境噪声，准确地判断出声音信号的开始点和结束点。在语音识别系统中,正确、有效地进行端点检测不仅可以减少计算量和缩短处理时间,而且能排除无声段的噪声干扰、提高语音识别的正确率。研究表明,即使是在安静的环境下,语音识别系统一半以上的错误可能主要来基于MTLAB编写的语音端点检测程序。除此之外, 在语音合成、 编码等系统中,高效的端点检测也直接影响甚至决定着系统的主要性能。因此, 端点检测的效率、 质量在语音处理系统中显得至关重要。

§2.4.1 过零率

过零率（Zero Crossing Rate）是在每个音框中，音讯通过零点的次数。一般而言，噪声的过零率大于气音的过零率，而气音的过零率又大于有声音的过零率。一半情况下，噪声的波形和声音波形相比幅度非常小，为了排除噪声对过零率产生的影响，我将声音的原始谱向上平移，使得噪声的过零点影响大大减小。如下，图2-1展示了没有平移前的过零谱图，图2-2展示了

6

河南科技大学本科毕业设计（论文）

平移后的过零谱图。可以看出，平移后，话音可以很容易从噪音中区分开来。

声音波形210-1-200.511.5过零谱60040022.533.5x 104200000.511.522.533.5x 104

图2-1 平移前的过零谱

声音波形210-1-200.511.5过零谱604022.533.5x 10420000.511.522.533.5x 104

图2-2 平移后的过零谱

§2.4.2 音量

能量或者音量代表声音的大小，可由声音讯号的震幅来类比，又称为能量（Energy）或强度（Intensity）等。话音的能量远比噪声的能量要大，故可

7

河南科技大学本科毕业设计（论文）

用能量来区分是静音还是由话音。这里将每帧的幅度绝对值之和作为每一帧的总能量大小。音量谱如图2-3所示：

声音波形210-1-200.511.5音量谱100022.533.5x 104500000.511.522.533.5x 104

图2-3 音量谱

§2.4.3 过零率和音量积谱

通常利用短时能量来检测浊音，用过零率来检测清音，两者配合实现可靠的端点检测。端点检测算法常用的是由语音能量和过零率组合的有双门限法，以及短时能量和过零率的乘积构成的能频值法。图2-4展示了过零谱、音量谱和过零率和能量成绩构成的谱线。

8

河南科技大学本科毕业设计（论文）

声音波形20-200.511.5过零谱50000.511.5音量谱1000500022.533.5x 10422.533.5x 1040x 1040.511.522.533.5x 104过零音量积谱42000.511.522.533.5x 104

图2-4 过零音量积谱

§2.4.4 用过零率和音量积谱来检测端点

端点检测算法常用的是由语音能量和过零率组合的有双门限法，以及短时能量和过零率的乘积构成的能频值法。这里采用的是第二种方法，通过能量和过零率的乘积构成的能频值来判断语音的端点。

这里我对端点进行了两级判断。首先根据过零率和音量积设定一个较高的门限T H , 若谱大于T H ,则可确定2个端点A、 B, 并可认为这 2个端点之间是语音信号, 这样相当于完成初判。 再根据背景噪声的过零率和音量积设定一个比TH 稍低的门限T L , 如果信号的能量大于 TL ,则所对应的端点C、 D 之间仍是语音信号,至此完成了第二级判断。

9

河南科技大学本科毕业设计（论文）

判断结果如图2-5所示：

声音波形210-1-200.511.522.533.5x 10语音波形210-1-21.41.51.61.71.81.922.1x 1044

图2-5 端点检测出的语音波形

§2.5 特征参数提取

§2.5.1 特征参数概述

对于特征参数，有多种参数可供选取。常见的有三种： （1）线形预测系数特征矢量(LPC) （2）LPC倒谱特征矢量(LPCC) （3）Mel倒谱系数(MFCC)

1. 线性预测系数(LPC)

这里我采用最简单的一种线形预测系数特征矢量(LPC)。 线性预测(Linear Prediction)分析是最有效的语音分析技术之一，在语音编码、语音合成、语音识别和说话人识别等语音信号处理领域中得到了广泛的应用。基

10

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新高等教育语音识别控制小车设计大学本科毕业论文(3)全文阅读和word下载服务。