对MFCC进行GMM聚类的汉语数字识别方法.pdfVIP

2011年 第2O卷 第 11期 http：／／www．c-S-a．org．cn 计 算 机 系 统 应 用 对MFCC进行GMM 聚类的汉语数字识别方法① 高文曦，于凤芹 (江南大学 物联网_T程学院，无锡 214122) 摘 要：汉语数字识别常用MFCC作为特征，针对 0-9十个数字MFCC样本特征数据量大的问题，提出_『用GMM 模型对提取的特征参数MFCC的数据进行聚类来减少数据量，以GMM模型参数中的均值作为新的特征，采用 动态规划算法进行汉语数字语音识别。仿真实验表明，进行GMM特征变换后的新特征数据为MFCC的30．9％， 系统运行时间减少了237．18s，识别率降低 1．1l％。 关键词：汉语数字识别；MFCC；GMM 聚类 ChineseDigitalIdentificationBasedonMFCCbyUsingGMM Clustering GAOWen-Xi，YUFengQ·in (SchoolofIntemetofThingsEngineedng，JiangnanUniversity,Wuxi214122，China) Abstract：MFCC iswidelyusedinChinesedigitalidentification．BecausetheamountofMFCC extractedfrom 0-9is toolarge，themeanofmodelpraameterswhichisclusteredwithGMM byMFCCtoreducetheamountisemployedasa new featurewithDTW forChinesedigitalidentification．Simulationresultsdemonstratethattheamountofthenew featureis30．9％ tothatofMFCC，therunningtimereducesby237．18s，buttherecognitionratedecreasesby1．1l％． Keywords：Chinesedigitalidentification；MFCC；GMM clustering 1 引言 是所需处理的数据增多，识别时间长。 汉语数字语音识别的任务是识别 0“”到 “9”等十个 本文采用特征参数MFCC作为0-9十个数字的特征 非特定人汉语数字语音[1】。目前在汉语数字识别中常 参数，在提取过程中发现样本特征参数的数据量较大， 用的特征参数有：线性预测倒谱系数 (LineraPredictive 增加了识别模块的复杂度。高斯混合模型 (Gaussian CepstralCoefficient。LPCC)和 Mel倒谱系数 (Mel MixutreModel，GMM)是一种典型的生成式模型，能够 FrequencyCepstmmCoefficient，MFCC)。谱参数MFCC 快速有效地处理大量训练数据，本文采用GMM模型对 是基于Mel尺度模拟人耳的听觉特性，具有较好的区 提取的特征参数的数据进行聚类，以高斯模型的均值参 分能力，因此，得到了广泛的应用，文献[2]采用MFCC 数作为新的特征，采用动态时间规整 (DynamicTime 与LPCC相结合，进行英文单词识别，平均识别率为 Warping，DTW)算法进行汉语数字语音识别。仿真实 91．65％。文献[3】采用分数傅里叶变换，将 MFCC推广 验表明，经过GMM 聚类变换后得到的均值特征参数， 到分数形式 ，应用到说话人识别系统，识别率达到 减少了识别模块训练的数据量，提高了识别速度。 93％。文献[4]对MFCC参数提取模块提出新的提取算 法，相对于标准算法，其在特征提取模块部分减少了 2 对MFCC进行GMM聚类的汉语数字识别 53％的计算量，但是识别率降低了 1．7％。文献[5]采用 原理 MFCC与PLP相结合，分别在纯净语音和和含噪环境 2．1基本流程 下，得出其具有很好的抗噪性。不同参数的组合可以 对 MFCC进行GMM模型聚类的汉语数字识别的 更加准确的代表样本特征或具有