基于DTW算法的语音识别系统实现.pdfVIP

第30卷第7期 电字工皇丽 V01．30No．7 2004年7月 ELECTRONICENGINEER Jul．2004 基于DTW算法的语音识别系统实现 吴晓平，崔光照，路康 (郑州轻工业学院信息与控制工程系，河南省郑州市450002) 【摘要】 动态时间归整(D聊)算法的实现简单有效，在孤立词语音识别系统中得到了广泛的 件设计。研究结果表明，系统能满足实时性能要求，识别效果良好。 关键词：动态时间归整(DTw)算法，语音识别，线性预测，端点检测 中图分类号：TN912．34 扰。语音信号经滤波和采样后，由A／D转换器转换为 0 引言 二进制数字码。 动态时间归整(DTW)算法是把时间归整和间距 语音信号的预处理一般包括预加重、加窗和分帧 测量计算结合起来的一种非线性归整技术，与隐式马 处理。预加重的目的是提升高频部分，使信号的频谱 尔可夫模型(HMM)算法相比，它不是一种有效的利用变得平坦，以保持在信号的整个频带内具有同样的信 统计方法进行训练的算法，同时，也不容易将底层和顶 噪比，便于声道参数分析。在语音信号的数字处理中 层的各种知识用到识别算法中，在解决大词汇量、连续 常用的是矩形窗和汉明窗等，窗口的形状、长度对短时 语音、非特定发音人语音识别系统时，识别效果较差， 分析参数的影响很大，为此，应选择合适的窗函数。语 ms～30 但在孤立词语音识别系统中识别效果良好，并且，由于 音信号有10 ms的短时平稳性，一般每秒的帧 数为33帧一100帧。为了使帧与帧之间平滑过渡，前 DTW算法计算量较少。因此，DTw算法在孤立词语 音识别系统中得到了较为广泛的应用。将嗍算法 一帧与后一帧之间必须保持一定的帧移，帧长与帧移 的比值一般取为O～l／2。 移植到TMs320VC5402上实现语音识别，能满足实时 性要求。 语音信号的端点检测一般采用平均能量、平均幅 度值、平均过零率等或上述几种方法的综合来判断，也 1识别系统基本原理 有一些学者提出采用频带方差、倒谱特征等方法来判 图l是实时语音识别系统的结构框图。 断。采用前者算法的计算量较小，在噪声不大的环境 下可以有效地判别语音信号的起始点与终止点。在端 点检测时若选择的窗长较大，可以加快语音处理的速 度，会跳过一些短时噪声，但是端点检测的误差会增 加。语音信号的端点检测直接影响语音信号倒谱特征 提取的误差，为此，应选择合适的端点检测算法。 由于语音信号之间存在相关性，可以用过去的样 点值来预测现在的或未来的样点值，即一个语音的采