数字信号处理B项目案例.docVIP

《数字信号处理B》课程项目 实施报告 题 目 数字音效处理器 组 号： 23 任课教师： 朱雯君 组 长：1座机电话号码 王江锋 20% 成 员：1座机电话号码 方毅仁 20% 成 员：1座机电话号码 姜雯雯 20% 成 员：1座机电话号码 张飞鸿 20% 成 员：1座机电话号码 石茜茜 20% 联系方式： 1座机电话号码78 2015 年 10 月 24 日 一、课程项目内容介绍 1.设计要求： 设计一个数字音效处理器，能够实现语音信号的各种音效处理。要求： 输入语音信号源为实际环境采集语音； 至少实现3种音效处理功能（其中至少包括下述2种功能：1、项目组5人的语音识别；2、10秒以上的实际语音至少3种类型噪声的降除）； 用人机交互界面操控、扬声器/耳机输出音效。 2.评分依据： 功能实现； 性能指标； 工程规范（规范、展示性、可靠性、复杂度等）； 理论水平； 团队分工合作情况。 二、课程项目总体实施设想 根据对项目的理解，我们将项目具体分为三个部分逐步完成——基础语音识别、有噪声的语音识别、语音音效处理。 三、课程项目实施理论依据 基础语音识别 根据我们所搜集的资料以及自学的知识，语音识别根据说话人的语音信号来判别说话人的身份。根据每个说话人发音器官的生理差异以及后天形成的行为差异，每个人的语音都带有强烈的个人色彩，所以通过分析语音信号来识别说话人就成了一个可以实现的过程。而且用语音来鉴别说话人的身份具有很多独特的优点。作为人的固有的特征，语音信号是不会丢失或遗忘的。语音信号的采集又非常的方便，实现起来非常便捷。语音识别的基本过程如下图。我们采用的是GMM-HMM语音识别。 GMM-HMM语音识别 1）将waveform切成等长frames，对每个frame提取特征（e.g. MFCC）， 　　2）对每个frame的特征跑GMM，得到每个frame（o_i）属于每个状态的概率b_state（o_i） 　　fig6. complete process from speech frames to a state sequence 　　3）根据每个语音的HMM状态转移概率a计算每个状态sequence生成该frame的概率; 哪个词的HMM?序列跑出来概率最大，就判断这段语音属于语音 　　宏观图： 　　fig7. Speech recognition， a big framework GMM参数：高斯分布参数： 　　从上面fig4下面的公式我们已经可以看出来想求参数必须要知道P（j|x），即，x属于第j个高斯的概率。怎么求捏？ 　　fig8. bayesian formula of P（ j | x ） 　　根据上图 P（j | x）， 我们需要求P（x|j）和P（j）去估计P（j|x）。 　　这里由于P（x|j）和P（j）都不知道，需要用EM算法迭代估计以最大化P（x） P（x1）*p（x2）*.。.*P（xn）： 　　A. 初始化（可以用kmeans）得到P（j） 　　B. 迭代 　　E（estimate）-step： 根据当前参数 （means， variances， mixing parameters）估计P（j|x） 　　M（maximization）-step： 根据当前P（j|x） 计算GMM参数（根据fig4 下面的公式：） 其中 前面已经有了GMM的training过程。在这一步，我们的目标是：从observation序列中估计HMM参数λ； 　　假设状态- observation服从单核高斯概率分布：　　则λ由两部分组成： 　　HMM训练过程：迭代 　　E（estimate）-step： 给定observation序列，估计时刻t处于状态sj的概率 M（maximization）-step： 根据重新估计HMM参数aij. 　　其中， 　　E-step： 给定observation序列，估计时刻t处于状态sj的概率 为了估计， 定义： t时刻处于状态sj的话，t时刻未来observation的概率。即 　　这个可以递归计算：β_t（si） 从状态 si 转移到其他状态 sj 的概率aij * 状态 i 下观测到x_ t+1 的概率bi（x_ t+1 ） * t时刻处于状态sj的话 t+1 后observation概率β_ t+1 （sj） 　　即： 　　定义刚才的为state occupation probability，表示给定observation序列，时刻t处于状态sj的概率P（S（t） sj | X，λ） 。根据贝叶斯公式p（A|B，C） P（A，B|C）/P（B|C），有： 　　由于分子p（A，B|C）为 　　其中，αt（sj）表示HMM在时刻t