基于减少阶数的Mel频谱倒谱系数改进.pdfVIP

DOI：10．3969／j．issn．1001-8972．2013。01．011 声音频域信号更符合听觉模型”。 (芝 (f)cos( )，… 式中，13．为MFCC阶数 ，st(r)为经过 基于减少阶数的Mel频谱倒谱系数改进 快速傅立叶变换后的语音对数功率谱 ，M 于 震 王朝立 刘伶俐 为三角滤波器个数 ，本文先取24，C(n)为 第n阶MFCC。通过上式，n取1到12，即 上海理工大学光 电信息与计算机工程学院 200095 可将经过频域变换 的语音信号转换成12阶 MFCC 。再通过对这12阶参数进行依次删 摘要 数 ，如语音 “5” (中文发音 “伍”)去除 减 ，构与12组11阶MFCC进行之后的实验。 本文通过实验对比，在语音识别的特征参数 MFCC第8阶参数可以使识别率稳定在100％ 1．2语音识别系统 方面进行 了有效 的改进 ，创新 内容是改善 左右。 Mel频谱倒谱 系数 (MFCC)，将12阶Mel频谱 综上所述 ，本文就语音识别在特征语音 洲试讲 音波 形 倒谱 系数减为11阶，通过实验证明，改进后 参数的选择上进行了创新 ，选择l1阶MFCC 的参数有效提高了实验的识别率 。实验主要 为特征参数进行识别，使得结果得到改善， 采用删减特征分量的方法研究MFCC 各阶参 令语音识别达到一定实际运用的可行性，为 MFCC 数对非特定人特定语音识别的贡献 ，并通过 本课题将来基于语音识别的呼吸道疾病检测 大量重复性实验得 出验证 ，不 同的参数选择 研究奠定了一定理论基础。 隐马尔[】r丈模型姚行训练 对语音识别确实有不同的贡献 。而且针对不 同的语本模型 ，贡献也不同 关键词 1IVlal频率倒谱系数 MFCC；语音识别 本文通过实验 ，选择采用Met频率倒谱 输 出识别结粜 系数作为语音特征参数进行识别。 1．1 Mel频率倒谱系数 前言 Mel频率倒谱 系数(Melfrequency 从上世纪4O年代开始 ，语音识别开始进 cepstralcoefficient，MFCc)是说话人识别 图2语音识别系统 入部分科学家的视线，这种通过模拟人的机 系统中广泛使用的短时声学特征参数之一 。 上图为本文使用的语音识别系统 ，测 器智能在犬部分科学学科与工业领域发挥或 MFCC主要功能为模仿人类听觉，将语音信 试语音波形与训练语音波形为原始的声音模 者将要发挥着巨大的作用与潜质，人们纷纷 号转化为人耳蜗听到的频谱信息，使得机器 拟信号。经过 图1中的MFCC算法将模拟信 将语音识别用于各种领域，如计算科学、密 能够模拟人耳的听觉感知特性，通过利用一 号转换成Mel频域倒谱系数 ，训练过程采用 码学、生