基于小波变换的语音特征值提取算法的研究

摘要

在人类的生活中，计算机扮演着越来越重要的角色，人类期望可以用更加直接快速的方式与计算机进行交流，让计算机能够理解人类的语言，而不再是仅仅依靠键盘和鼠标的输入，语音识别技术可以满足人类的这种愿望。语音识别以语音信号为研究对象，将人类的声音信号转化为文字或者指令的过程，其最终目的是让自然语音成为人与计算机之间交流的方式。语音识别技术已普遍应用于人类生活的很多领域，为人类的生活提供了更多的便利，因此它具有广阔的应用前景。特征参数提取是语音识别的首要任务，是从含有丰富的语音信号中提取出对识别有用的信息，对语音信号进行分析处理，去除对语音识别无用的冗余信息的过程。基音周期是语音特征值中一个十分重要的特征参数，在语音编码、语音合成、说话人识别和语音识别等多个领域中扮演重要的角色，因此检测基音周期的准确性是十分重要的。
　　本文采用小波变换对原始语音信号进行降噪处理，对处理后的信号进行自相关函数法基音周期提取，在信噪比较低的情况下，传统的自相关函数容易出现倍周期和倍周期错误。为解决这一问题，在谐波积谱法的启发下，本文提出了基于自相关函数的类谐波积谱基音周期检测算法。经实验证明，该算法能准确划分出清浊音，检测所得的基音曲线光滑规整，准确描述出基音周期的变化，而且可以有效地提高基音周期检测的可靠性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的研究背景和意义

1.2 国内外语音识别技术的发展和现状

1.3 语音识别的关键技术

1.4 语音识别技术的发展与不足

1.5 论文的主要内容

第2章 语音识别的理论

2.1 语音识别系统

2.2 语音的预处理

2.3 本章小结

第3章 特征参数提取

3.1 基音周期

3.2 线性预测系数LPC

3.3 LPCC特征参数

3.4 MFCC特征参数

3.5 本章小结：

第4章 小波分析基础

4.1 引言

4.2 小波变换的定义

4.3 小波去噪法

4.4 本章小结：

第5章 语音识别的方法

5.1 动态时间规整技术

5.2 矢量量化技术

5.3 隐马尔柯夫模型

5.4 人工神经网络

5.5 本章小结

第6章 语音特征值提取算法的仿真实验

6.1 语音识别系统的基本构成

6.2 预处理的仿真实验

6.3 特征值提取算法仿真

6.4 短单词语音识别仿真系统

6.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和获得的科研成果

致谢