數(shù)字語音處理課程論文

數(shù)字語音處理課程論文指導(dǎo)老師：班級(jí)：姓名：學(xué)號(hào)：語音識(shí)別語音識(shí)別技術(shù)涉及到好幾個(gè)領(lǐng)域，其中有：信號(hào)處理、模式識(shí)別、概率論和信息論、發(fā)聲機(jī)理和聽覺機(jī)理、人工智能等。聲學(xué)特征

聲學(xué)特征的提取與選擇是語音識(shí)別的一個(gè)重要環(huán)節(jié)。聲學(xué)特征的提取既是一個(gè)信息大幅度壓縮的過程，也是一個(gè)信號(hào)解卷過程，目的是使模式劃分器能更好地劃分。

由于語音信號(hào)的時(shí)變特性，特征提取必須在一小段語音信號(hào)上進(jìn)行，也即進(jìn)行短時(shí)分析。這一段被認(rèn)為是平穩(wěn)的分析區(qū)間稱之為幀，幀與幀之間的偏移通常取幀長的1/2或1/3。通常要對(duì)信號(hào)進(jìn)行預(yù)加重以提升高頻，對(duì)信號(hào)加窗以避免短時(shí)語音段邊緣的影響。

下面介紹常用的一些聲學(xué)特征。

線性預(yù)測(cè)系數(shù)LPC：線性預(yù)測(cè)分析從人的發(fā)聲機(jī)理入手，通過對(duì)聲道的短管級(jí)聯(lián)模型的研究，認(rèn)為系統(tǒng)的傳遞函數(shù)符合全極點(diǎn)數(shù)字濾波器的形式，從而n時(shí)刻的信號(hào)可以用前若干時(shí)刻的信號(hào)的線性組合來估計(jì)。通過使實(shí)際語音的采樣值和線性預(yù)測(cè)采樣值之間達(dá)到均方差最小LMS，即可得到線性預(yù)測(cè)系數(shù)LPC。對(duì)LPC的計(jì)算方法有自相關(guān)法（德賓Durbin法）、協(xié)方差法、格型法等等。計(jì)算上的快速有效保證了這一聲學(xué)特征的廣泛使用。與LPC這種預(yù)測(cè)參數(shù)模型類似的聲學(xué)特征還有線譜對(duì)LSP、反射系數(shù)等等。

倒譜系數(shù)CEP：利用同態(tài)處理方法，對(duì)語音信號(hào)求離散傅立葉變換DFT后取對(duì)數(shù)，再求反變換iDFT就可得到倒譜系數(shù)。對(duì)LPC倒譜（LPCCEP），在獲得濾波器的線性預(yù)測(cè)系數(shù)后，可以用一個(gè)遞推公式計(jì)算得出。實(shí)驗(yàn)表明，使用倒譜可以提高特征參數(shù)的穩(wěn)定性。

Mel倒譜系數(shù)MFCC和感知線性預(yù)測(cè)PLP：不同于LPC等通過對(duì)人的發(fā)聲機(jī)理的研究而得到的聲學(xué)特征，Mel倒譜系數(shù)MFCC和感知線性預(yù)測(cè)PLP是受人的聽覺系統(tǒng)研究成果推動(dòng)而導(dǎo)出的聲學(xué)特征。對(duì)人的聽覺機(jī)理的研究發(fā)現(xiàn)，當(dāng)兩個(gè)頻率相近的音調(diào)同時(shí)發(fā)出時(shí)，人只能聽到一個(gè)音調(diào)。臨界帶寬指的就是這樣一種令人的主觀感覺發(fā)生突變的帶寬邊界，當(dāng)兩個(gè)音調(diào)的頻率差小于臨界帶寬時(shí)，人就會(huì)把兩個(gè)音調(diào)聽成一個(gè)，這稱之為屏蔽效應(yīng)。Mel刻度是對(duì)這一臨界帶寬的度量方法之一。

MFCC的計(jì)算首先用FFT將時(shí)域信號(hào)轉(zhuǎn)化成頻域，之后對(duì)其對(duì)數(shù)能量譜用依照Mel刻度分布的三角濾波器組進(jìn)行卷積，最后對(duì)各個(gè)濾波器的輸出構(gòu)成的向量進(jìn)行離散余弦變換DCT，取前N個(gè)系數(shù)。PLP仍用德賓法去計(jì)算LPC參數(shù)，但在計(jì)算自相關(guān)參數(shù)時(shí)用的也是對(duì)聽覺激勵(lì)的對(duì)數(shù)能量譜進(jìn)行DCT的方法。系統(tǒng)實(shí)現(xiàn)

語音識(shí)別系統(tǒng)選擇識(shí)別基元的要求是，有準(zhǔn)確的定義，能得到足夠數(shù)據(jù)進(jìn)行訓(xùn)練，具有一般性。英語通常采用上下文相關(guān)的音素建模，漢語的協(xié)同發(fā)音不如英語嚴(yán)重，可以采用音節(jié)建模。系統(tǒng)所需的訓(xùn)練數(shù)據(jù)大小與模型復(fù)雜度有關(guān)。模型設(shè)計(jì)得過于復(fù)雜以至于超出了所提供的訓(xùn)練數(shù)據(jù)的能力，會(huì)使得性能急劇下降。

聽寫機(jī)：大詞匯量、非特定人、連續(xù)語音識(shí)別系統(tǒng)通常稱為聽寫機(jī)。其架構(gòu)就是建立在前述聲學(xué)模型和語言模型基礎(chǔ)上的HMM拓?fù)浣Y(jié)構(gòu)。訓(xùn)練時(shí)對(duì)每個(gè)基元用前向后向算法獲得模型參數(shù)，識(shí)別時(shí)，將基元串接成詞，詞間加上靜音模型并引入語言模型作為詞間轉(zhuǎn)移概率，形成循環(huán)結(jié)構(gòu)，用Viterbi算法進(jìn)行解碼。針對(duì)漢語易于分割的特點(diǎn)，先進(jìn)行分割再對(duì)每一段進(jìn)行解碼，是用以提高效率的一個(gè)簡化方法。

對(duì)話系統(tǒng)：用于實(shí)現(xiàn)人機(jī)口語對(duì)話的系統(tǒng)稱為對(duì)話系統(tǒng)。受目前技術(shù)所限，對(duì)話系統(tǒng)往往是面向一個(gè)狹窄領(lǐng)域、詞匯量有限的系統(tǒng)，其題材有旅游查詢、訂票、數(shù)據(jù)庫檢索等等。其前端是一個(gè)語音識(shí)別器，識(shí)別產(chǎn)生的N-best候選或詞候選網(wǎng)格，由語法分析器進(jìn)行分析獲取語義信息，再由對(duì)話管理器確定應(yīng)答信息，由語音合成器輸出。由于目前的系統(tǒng)往往詞匯量有限，也可以用提取關(guān)鍵詞的方法來獲取語義信息。自適應(yīng)與魯棒性

語音識(shí)別系統(tǒng)的性能受許多因素的影響，包括不同的說話人、說話方式、環(huán)境噪音、傳輸信道等等。提高系統(tǒng)魯棒性，是要提高系統(tǒng)克服這些因素影響的能力，使系統(tǒng)在不同的應(yīng)用環(huán)境、條件下性能穩(wěn)定；自適應(yīng)的目的，是根據(jù)不同的影響來源，自動(dòng)地、有針對(duì)性地對(duì)系統(tǒng)進(jìn)行調(diào)整，在使用中逐步提高性能。以下對(duì)影響系統(tǒng)性能的不同因素分別介紹解決辦法。

解決辦法按針對(duì)語音特征的方法（以下稱特征方法）和模型調(diào)整的方法（以下稱模型方法）分為兩類。前者需要尋找更好的、高魯棒性的特征參數(shù)，或是在現(xiàn)有的特征參數(shù)基礎(chǔ)上，加入一些特定的處理方法。后者是利用少量的自適應(yīng)語料來修正或變換原有的說話人無關(guān)（SI）模型，從而使其成為說話人自適應(yīng)（SA）模型。

說話人自適應(yīng)的特征方法有說話人規(guī)一化和說話人子空間法，模型方法有貝葉斯方法、變換法和模型合并法。

語音系統(tǒng)中的噪聲，包括環(huán)境噪聲和錄音過程加入的電子噪聲。提高系統(tǒng)魯棒性的特征方法包括語音增強(qiáng)和尋找對(duì)噪聲干擾不敏感的特征，模型方法有并行模型組合PMC方法和在訓(xùn)練中人為加入噪聲。信道畸變包括錄音時(shí)話筒的距離、使用不同靈敏度的話筒、不同增益的前置放大和不同的濾波器設(shè)計(jì)等等。特征方法有從倒譜矢量中減去其長時(shí)平均值和RASTA濾波，模型方法有倒譜平移。小結(jié)：

以上介紹了實(shí)現(xiàn)語音識(shí)別系統(tǒng)的各個(gè)方面的技術(shù)。這些技術(shù)在實(shí)際使用中達(dá)到了較好的效果，但如何克服影響語音的各種因素還需要更