语音识别的MFCC算法研究.pdfVIP

现代商贸工业 No．3，2010 ModernBusinessTradeIndustry 2010年第 3期 语音识别的MFCC算法研究 熊 伟 罗云贵 (中国地质大学机械与电子信息工程学院，湖北 武汉 430074) 摘 要：详细介绍了一种在语音识别中取得一定 良好效果的Mel倒谱提取的改进算法。在语音识别 系统中，MFCC参 数是经常使用的特征参数之一。MFCC参数主要描述 了表征声道特性的谱包络特征 ，而忽略了基音频率对它的影响。然 而基音频率会影响MFCC参数对声道特性的准确描述，进一步影响语音识别系统的性能。提 出了一种 MFCC的改进参 数，该参数并不直接对语音短时幅度谱进行提取，而是首先对幅度谱进行平滑，在谱包络的基础上计算MFCC参数 ，从而降 低基音频率对其 的影响。 关键词 ：语音识别 ；梅 尔倒谱系数(MFCC)；端点检测 中图分类号：TP 文献标识码 ：A 文章编号：1672—3198(2010)03—0291—01 1 引言 号 。 语音识别技术的研究广泛的涉及到声学 、语言学 、语音 (2)通过将短时时域信号转化为频域信号月，并计算其 学、生理科学、数字信号处理、通信理论、电子技术、计算机 短时能量 ，离散傅里叶变换。将时域信号 x(n)后补若干 0 科学、模式识别和人工智能等众多学科，因此一个识别效果 以形成长为N(一般取 N：512)的序列，然后经过离散傅里叶 良好的语音识别系统 ，需要考虑包括说话人的心理状态、输 变换(DFT)后得到线性频谱 X(k)，转换公式为。 入设备、说话环境多方面的因素。在实际应用中，一般多选 x(矗)一 z()e--j2~k／n，0≤ ，k≤ N一 1 取MFCC作为特征矢量来使用。因为人的听觉系统是一个 (3)在频标 内三角带通滤波器个加于坐标得到滤波器 比较理想的语音识别系统，而 MFCC(Mel倒谱系数)模拟了 组 ，转化关系为： 人的听觉特性，是符合人听觉特性的语音特征参量，在实际 应用中取得了较高的识别率。该特征谱 由Davies和 Mer- f L一 25951og(1+ fk／700) (4)求对数能量。为了使计算结果对 噪声和谱估计噪 melstein提出来的，并证 明了基于 MFCC特征参数 的语音 声有更好的鲁棒性，一般将上述经过 Mel滤波器组得到的 识别系统比基于其他特征参数的识别系统优越。 Mel频谱取对数能量。 2 MFCC参数的提取 则 由线性频谱 X(k)到对数频谱 S(m)的总传递 函数 经过对语音信号的预处理之后就要进行特征参数的提 为 ： 取，在语音信号的特征提取中对特征参数的要求是。 (1)能有效代表语音特征，具有 良好的区分性。 e()= lx()1H ()，0≤m M (2)特征参数之间有 良好的独立性。 S(优)一 in(e(m))，0≤ m M (3)特征参数易于计算 ，最好能保证语音识别的实时实 (5)离散余弦变换 。 现。 标准的倒谱参数 只反映语音参数 的静态特性，实际上 一 般将语音信号的特征参数分为两类