语音特征参数提取方法研究

摘要

语音识别就是让机器能够听懂人话，它是以语音为研究对象的，是语音信号处理的一个重要的研究方向。随着计算机技术、多媒体技术、数字信号处理技术的发展，人们对语音识别技术的发展寄予了更高的期望。论文研究了基于孤立词的语音识别系统，采用了矢量量化和神经网络相结合的训练方法对语音特征进行训练，识别阶段采用了动态时间弯折的识别方法，实现了孤立词语音识别系统。在训练前，采用了有序聚类网络对语音信号特征进行时间规整，减少了语音信号的瞬态冗余信息和特征矢量的维数，提高了语音识别的速度；分析了三种语音信号的端点检测算法，采用了双门限端点检测算法，确保了语音信号的识别率；深入分析了基于线性倒谱、非线性Mel倒谱和小波变换的语音特征参数提取方法，并比较了基于这些参数的识别算法的性能，提出了一种基于[MFCC，DWTC]参数的语音识别算法，仿真实验证明了基于[MFCC，DWTC]参数的语音识别算法的有效性。

目录

文摘

英文文摘

声明

第一章绪论

1.1语音识别的发展

1.2语音识别的应用

1.3语音识别技术的特点及研究现状

1.4语音识别研究的困难

1.5论文的主要工作

第二章语音识别的原理

2.1语音识别系统的组成

2.2语音识别的分类

2.3语音识别的预处理

2.3.1语音的产生机理

2.3.2语音信号的采样

2.3.3语音信号的预加重

2.3.4语音信号的加窗

2.3.5语音信号的短时能量分析

2.3.6语音信号的短时过零率

2.3.7端点检测

2.4语音识别的特征提取

2.4.1线性预测分析的原理

2.4.2 LP方程的求解

2.5训练和识别方法

第三章模板库的建立与识别

3.1神经网络

3.2矢量量化技术

3.3有序聚类网络

3.4基于LVQ/ANN的模板训练

3.5基于高效的DTW的识别

3.6本章小结

第四章端点检测算法

4.1预处理阶段

4.2短时能量算法

4.3短时过零率算法

4.4短时能量/过零率算法

4.5本章小结

第五章语音的特征提取及识别结果

5.1基于LPCC的特征提取

5.2基于MFCC的特征提取

5.3基于一阶差分的特征提取

5.4基于混合倒谱特征提取

5.5基于小波变换的语音特征提取

5.5.1离散小波变换的原理

5.5.2基于离散小波变换的语音特征提取

5.6仿真识别结果及分析

5.6.1基于LPCC的识别

5.6.2基于MFCC的识别

5.6.3基于LPCC+MFCC的识别

5.6.4基于差分混合参数的识别

5.6.5基于小波变换的识别

5.7本章小结

第六章结束语

致谢

参考文献

研究成果