DTW算法的研究和改进.pdfVIP

MicrocomputerApplicationsVo1．26，No．9，2010 技术交流 微型电脑应用 2010年第26卷第9期 文章编号：1007—757X(2010)9—0056．O1 DTW 算法的研究和改进 朱曼昊 张忠能 摘 要 ：对语音识别 中的 DTW 算法进行 了研究，提 出了一种改进算法 ，并用实验数据进行 了验证 。此算法在识别度下降可 接受的范围内，有效地减少了识别的时间。 关键词：动态规划(DP)；动态时间归正(DTw )；语音识别 中图分类号：TP311 文献标志码：A 0 引言 语音的识别系统根据对说话人说话方式的要求，可以分 参考模版可表示为R={R(1)，R(2)… ．，R(m)… ．，R 为孤立字 (词)语音的识别系统、连接字语音的识别系统和 ( )}，m 为模板语音帧的顺序标号，m=1为起点语音帧， 连续语音识别系统；根据对 说话人的依赖程度，可以分为特 m=M 为终点语音帧，因此 为该模式包含的语音帧总数， 定人和非特定人语音识别系统；根据词汇量大小，可以分为 R(m)为第m 帧语音的语音特征矢量。所要识别的一个输 小浏汇量、中等词汇量、大词汇量 以及无限词汇营语音识别 入词条语音称为测试模版，测试模式可表示为T= {(1)，T 系统。流程如下图： (2)… ．， ()… ．， (Ⅳ))， 为测试语音帧号，模式中共包 语 括Ⅳ 帧语音，T(H)为第 ，z帧特征矢量。 为了比较孵 口川构相似度，可以计算它们之间的失真， 失真越小则相似度越高．为了计算这一失真，应从T；~HR中 对应帧的失真算起．设”和 分别为聊 中任意选择的帧 号， (n)， )】表示这两帧特征矢量的失真度，则可按 图表 1 照不同的情况求出模板中每帧之间的失真，从而计算总失 真D(T，R)。 1 语音的识别 D 【 】=∑ ：1饥 )，R()] 如设测试语音模板共有Ⅳ 帧矢量，而参考模板共有 语音信号处理中的端点检测技术 ，是从包含语音 的一段 帧矢量，且Ⅳ≠ 则动态时间归正，就是寻找一个时间归正 信号呻1确定出语音的起点以及结束点。有效的端点检测不仅 函数m=w()，它将测试矢量的时间轴非线性的映射到模 能使处理的时间减少到最少 (处理帧最少)，提高系统的处 板的时间轴上，并使函数满足： 理实时行，而且可以排除无声段的噪声干扰，从而使得后续 D R_，=lim ㈨∑ =1“【 )，(w ))】 的识别性能得以提高。 D[T(n，R(n))]是测试模板第 ，z帧矢量 ()与参考模 特征提取是语音识别的第一个重要环节。这个环节既是 板第m帧矢量 )之问的距离。DTW 算法的实质就是运 一 个信息大幅度压缩的过程，也是一个信号解卷过程，目的 用动态规~J1(DP)的思想，利用局部最佳化的处理来 自动寻找 是使模式划分器能更好地划分识别边界。特征提取就是要从 条路径，沿着这条路径，两个特征矢量之间的累积失真量 语音波形中提取出重要的反映语音特征的相关信息，而去掉 最小，从而避免由于时间长度不同而可能引入的误差 那些相对无关的信