小波去噪語音識別

小波去噪語音識別第一頁，共三十二頁，2022年，8月28日摘要：語音作為一個(gè)交叉學(xué)科，具有深遠(yuǎn)的研究價(jià)值，近50年的研究發(fā)展，語音識別技術(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去噪的應(yīng)用，語音端點(diǎn)的檢測，語音特征的提取及一種簡單的語音識別算法。第二頁，共三十二頁，2022年，8月28日引言語音識別系統(tǒng)構(gòu)成語音信號的小波去噪語音信號的端點(diǎn)檢測語音特征的提取基于DTW的語音識別算法實(shí)驗(yàn)結(jié)果及分析第三頁，共三十二頁，2022年，8月28日

讓計(jì)算機(jī)能聽懂人類的語言，是人類自計(jì)算機(jī)誕生以來夢寐以求的想法。隨著計(jì)算機(jī)越來越向便攜化方向發(fā)展，隨著計(jì)算環(huán)境的日趨復(fù)雜化，人們越來越迫切要求擺脫鍵盤的束縛而代之以語音輸入這樣便于使用的、自然的、人性化的輸入方式。尤其是漢語，它的漢字輸入一直是計(jì)算機(jī)應(yīng)用普及的障礙，因此，利用漢語語音進(jìn)行人機(jī)交互是一個(gè)極其重要的研究課題。它正在直接與辦公、交通、金融、公安、商業(yè)、旅游等行業(yè)的語音咨詢與管理，工業(yè)生產(chǎn)部門的語聲控制，電話、電信系統(tǒng)的自動(dòng)撥號、輔助控制與查詢，以及醫(yī)療衛(wèi)生和福利事業(yè)的生活支援系統(tǒng)等各種實(shí)際應(yīng)用領(lǐng)域相接軌，并且有望成為下一代操作系統(tǒng)和應(yīng)用程序的用戶界面了。第四頁，共三十二頁，2022年，8月28日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)練和識別訓(xùn)練是對所建的模型進(jìn)行評估、匹配、優(yōu)化，獲得模型參數(shù)識別是一個(gè)專用的搜索數(shù)據(jù)庫第五頁，共三十二頁，2022年，8月28日獲取前端數(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?？傮w上說，語音識別是一個(gè)模式識別匹配的過程。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，對輸入的語音信號進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語音識別所需的模板。然后，在識別過程中，計(jì)算機(jī)根據(jù)語音識別的整體模型，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別結(jié)果。顯然，識別結(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。第六頁，共三十二頁，2022年，8月28日語音去噪技術(shù)是語音信號處理的一個(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分析方法，是分析非平穩(wěn)信號的有力工具。它克服了短時(shí)傅里葉變換固定分辨率的弱點(diǎn)，既可以分析信號的概貌，又可以分析信號的細(xì)節(jié)。利用小波變換實(shí)現(xiàn)信號去噪，具有很好的效果。小波閾值去噪方法是實(shí)現(xiàn)最簡單、計(jì)算量最小的一種方法，因而得到了最廣泛的應(yīng)用第七頁，共三十二頁，2022年，8月28日第八頁，共三十二頁，2022年，8月28日

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。第九頁，共三十二頁，2022年，8月28日對于連續(xù)的情況，小波序列為

其中a為伸縮因子,b為平移因子。對于離散的情況,小波序列為

對于任意的函數(shù)f(t)∈L2(R)的連續(xù)小波變換為，第十頁，共三十二頁，2022年，8月28日

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;第二類是對含噪聲信號作小波變換之后,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。閾值去噪即對小波系數(shù)設(shè)置閾值,在眾多小波系數(shù)中,把絕對值較小的系數(shù)置為零,而讓絕對值較大的系數(shù)保留或收縮,然后對閾值處理后的系數(shù)進(jìn)行小波逆變換,直接進(jìn)行信號重構(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)為其主要是由信號引起的。選擇一個(gè)合適的閾值,對小波系數(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的目的。第十一頁，共三十二頁，2022年，8月28日實(shí)驗(yàn)中通過改進(jìn)matlab系統(tǒng)函數(shù)ddencmp求解得閾值，并對閾值進(jìn)行了一定修改，由于實(shí)驗(yàn)中閾值很小，在經(jīng)過多次比較后，決定把已經(jīng)求得的閾值thr+0.3作為重建小波的閾值。含高斯白噪聲的隨機(jī)信號去噪后的信號對于簡單的直接加入高斯噪聲的信號，去噪效果還是比較理想的，但在具體實(shí)驗(yàn)中，環(huán)境變量等其他因素引起的噪聲情況比較復(fù)雜，效果并沒有以上明顯。考察主要因素還是閾值的確定存在缺陷，故還應(yīng)在閾值函數(shù)上多加改進(jìn)第十二頁，共三十二頁，2022年，8月28日語音信號的端點(diǎn)識別是語音處理和語音識別的基礎(chǔ)，然而在噪聲環(huán)境下識別語音信號的端點(diǎn)往往比較困難的。我們采用的是經(jīng)典的雙門限檢測法第十三頁，共三十二頁，2022年，8月28日為了區(qū)分噪音和語音，很直觀的一種方法是用信號的幅度作為特征，只要設(shè)定一個(gè)門限，當(dāng)信號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的幅度的。對于輸入的語音信號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。具體的幀長和幀移隨采樣頻率不同而不同。第十四頁，共三十二頁，2022年，8月28日對于第i幀，第n個(gè)樣本，他與原始語音信號的關(guān)系為：第i幀語音信號的短時(shí)能量可以用下面幾種算法得到:將語音信號分幀后計(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)簡單的端點(diǎn)檢測算法。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，對應(yīng)的語音信號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。第十五頁，共三十二頁，2022年，8月28日盡管不能用短時(shí)能量可靠地區(qū)分清音和靜音，但是還是可以發(fā)現(xiàn)在靜音段信號的波形變化相對比較緩慢，而在清音段，由于口腔空氣摩擦的效果，所造成的波形在幅度上的變化比較劇烈，通?？梢杂靡粠盘栔胁ㄐ未┰搅汶娖降拇螖?shù)來描述這種變化的劇烈程度，稱為過零率。即：第十六頁，共三十二頁，2022年，8月28日將短時(shí)能量和過零率結(jié)合起來，對一段語音進(jìn)行單個(gè)語音端點(diǎn)的檢測：第十七頁，共三十二頁，2022年，8月28日對連續(xù)語音進(jìn)行語音分割：第十八頁，共三十二頁，2022年，8月28日5.1線性預(yù)測系數(shù)5.2線性預(yù)測倒普系數(shù)5.3Mel頻率倒普系數(shù)第十九頁，共三十二頁，2022年，8月28日語音信號是一種典型的時(shí)變信號，然而如果把觀察時(shí)間縮短到十毫秒至十幾毫秒，則可以得到一系列近似穩(wěn)定的信號。人的發(fā)音器官可以用若干段前后連接的聲管斤進(jìn)行模擬，這就是所謂的聲管模型。由于發(fā)音器官不可能毫無規(guī)律地快速變化，因此語音信號是準(zhǔn)穩(wěn)定的全極點(diǎn)線性預(yù)測模型可以對聲管模型進(jìn)行很好的描述，這里信號的激勵(lì)源是由肺部氣流的沖擊引起的，聲帶可以有周期振動(dòng)也可以不振動(dòng)，分別對應(yīng)濁音和清音，而每個(gè)聲管則對應(yīng)一個(gè)LPC模型的極點(diǎn)。一般情況下，極點(diǎn)的個(gè)數(shù)在12~16個(gè)之間，就足夠清晰地描述語音信號的特征了。第二十頁，共三十二頁，2022年，8月28日語音信號的聲管模型第二十一頁，共三十二頁，2022年，8月28日在語音識別系統(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。第二十二頁，共三十二頁，2022年，8月28日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)不同頻率信號的靈敏度是不同的，基本上是一個(gè)對數(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：第二十三頁，共三十二頁，2022年，8月28日MFCC參數(shù)的計(jì)算通常采用如下的流程:(1)確定每一幀語音采樣序列的點(diǎn)數(shù)，系統(tǒng)中取N=256點(diǎn)。對每幀序列s(n)進(jìn)行預(yù)加重處理后再經(jīng)過離散FFT變換，取模的平方得到離散功率譜S(n)。(2)計(jì)算S(n)通過M個(gè)濾波器Hm(n)后得到的功率值，即計(jì)算S(n)和Hm(n)在各離散頻率點(diǎn)上乘積之和，得到M個(gè)參數(shù)pm

，m=0，1，...，M-1。(3)計(jì)算pm

的自然對數(shù)，得到Lm

，m=0，1，...，M-1。(4)對L0

，L1

，...，Lm-1

計(jì)算其離散余弦變換，得到Dm

，m=0，1，...，M-1。舍去代表直流成分的D0

，取D1

，D2

，...，DK

作為MFCC參數(shù)。最后對MFCC進(jìn)行一階差分，得到一組新的MFCC差分系數(shù)，作為特征矢量的一組分量。第二十四頁，共三十二頁，2022年，8月28日差分參數(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。第二十五頁，共三十二頁，2022年，8月28日在孤立詞語音識別中，最為簡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)音長短不一的模板匹配問題，是語音識別中出現(xiàn)較早，較為經(jīng)典的一種算法。用于孤立詞識別，DTW算法與HMM算法在相同的環(huán)境下，識別效果相差不大。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。第二十六頁，共三十二頁，2022年，8月28日每個(gè)詞條通過端點(diǎn)檢測和特征提取存入模板庫，稱為一個(gè)參考模板，可以表示為{R(1),R(2),...,R(m),...,R(M)},R(m)為第m幀的語音特征矢量，M為該段語音幀總數(shù)。所要識別的一個(gè)輸入詞條稱為測試模板，可表示為{T(1),T(2),...,T(n),...,R(N)}，T(n)為第n幀的語音特征矢量，N為該段語音幀總數(shù)。為了比較他們之間的相似度，可以計(jì)算他們之間的距離D[T,R]，距離越小相似度越高。為了計(jì)算這一距離，應(yīng)從T和R中各個(gè)對應(yīng)幀之間的距離算起，設(shè)n和m分別是T和R中任意選擇的幀號，d[T(n),R(m)]為這兩幀間的距離，距離函數(shù)為歐式距離。若N=M則可以直接計(jì)算，否則要考慮對齊的問題，這里采用了動(dòng)態(tài)規(guī)劃的方法。如果把測試模板和參考模板的各個(gè)幀號在一個(gè)二維坐標(biāo)標(biāo)出，并畫出網(wǎng)格，于是問題歸結(jié)為尋找一條經(jīng)過網(wǎng)格的從(1,1)到(N,M)路徑，路徑通過的網(wǎng)格點(diǎn)的坐標(biāo)對應(yīng)的是進(jìn)行距離計(jì)算的兩個(gè)幀號。第二十七頁，共三十二頁，2022年，8月28日第二十八頁，共三十二頁，2022年，8月28日為了描述這條路徑，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。第二十九頁，共三十二頁，2022年，8月28日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