基于平均路径长度的语音识别算法的研究与仿真.pdfVIP

文章编号：1674-7070(2011)01-0062-05 基于平均路径长度的语音识别算法的研究与仿真 张艳萍 张延盛 摘要 0 引言 提 出了一种基于平均路径长度的语 音识别算法．采用 的识别方法属于小词 语音识别是语言链 中的一环，它研究的是使机器能准确地听出 ；r-量孤立词语音识别，主要包括端点检 人的语音内容的问题，即准确地识别所说的话．语音识别的最终 目的 测、特征提取和模式识别．首先，在对语 音信号预处理的基础上，采用梅 尔频率 是使计算机能够听懂任何人、任何内容的讲话．关于语音识别技术， 倒谱系数 (MFCC)为特征参数提取算法， 常用的有动态时间规整 (DynamicTime—Warping，DTW)算法、隐马尔 动态时间规整 (DTW)作为识别算法；然 科夫模型 (HiddenMarkOVModels，HMM)和人工神经 网络三种方 后 ，结合基 于平均路径长度 的模板训练 方法，即采用少量样本，通过计算平均路 法 ¨．在孤立词识别中，动态时间归整算法是把时间归整和间距测量 径长度得到参考模板；最后 ，采用实验室 计算结合起来的一种非线性归整技术，在相同条件下，它与另两种算 环境下采集的语音信号进行实验．仿真 法识别效果相差不大，但DTW运算量较少，所以在孤立词语音识别 结果表明：改进后的算法与单个样本训 练相比，提高了识别率及鲁棒性；同时， 系统中，DTW算法得到了更广泛的应用．而在模板训练过程中，使用单 相对于矢量量化(VQ)技术 ，只需较少的 个样本时系统鲁棒性不强，使用矢量量化(VectorQuantization，VQ)技术 训练样本，降低了算法的复杂度．实验得 容易出现量化误差，并且需要大量的训练样本，计算量很大 ．针对上 到 了较好 的识别效果． 关键词 述方法存在的缺陷，本文采用基于平均路径长度的训练方法，可以有效 语音识 别；动 态时 间规整 ；模板训 提高系统鲁棒性，同时只需要使用少量的训练样本，计算量小． 练；平均路径长度 1 语音识别系统的设计 中图分类号 TN912．34 文献标志码 A 1．1 语音识别的原理 语音识别系统本质上是一种模式识别系统，包括特征提取、模式匹 配、参考模式库等3个基本单元．语音识别系统的基本结构如图1所示． 图1 语音识别系统 Fig．1 Speechrecognitionsystem 收稿 日期 2010-07—10 资助项 目 江苏 自然科学基金(BK2009-410) 未知(待识别)语音经过话筒变换成电信号 (即语音信号)后加在 作者简介 识别系统的输入端，先经过预处理，再根据人的语音特点建立语音模 张艳萍，女，教授 ，主要从事水声通信的研 究．zypgjc@163．COn1． 型，分析输入的语音信号，并抽取所需特征，从而建立语音识别所需的 模板．在识别过程中，根据语音识别的模型，计算机将对已存放好的语 1南京信息工程大学 电子与信息工程学院 210044 音模板和输入的语音信号的特征进行比较，根据一定的搜索和匹配策 越 O 0 O 0 O O O O O 未 垂．z 学学报：自然科学版，2011，3(1)：62-66