生物辨识.ppt

將每一個音框乘上漢明窗，以增加音框左端和右端的連續性（請見下一個步驟的說明）。假設音框化的訊號為 S(n), n = 0,…N-1。那麼乘上漢明窗後為 S(n) = S(n)*W(n)，此 W(n) 形式如下： W(n, a) = (1 - a) - a cos(2pn/(N-1))，0≦n≦N-1 * 在上述範例中，音框中的訊號是一段弦波加上雜訊，若不乘上漢明窗，音框的左端和右端並不連 續，因此在頻譜上，代表弦波的高峰比較不明顯。若乘上漢明窗後，雜訊在能量頻譜上面的強度就會比較弱，代表弦波的高峰也相對比較突出。如果我們使用實際的 聲音訊號來進行測試，漢明窗的效果就會更明顯： * 乘上漢明窗的主要目的，是要加強音框左端和右端的連續性，這是因為在進行 FFT 時，都是假設一個音框內的訊號是代表一個週期性訊號，如果這個週期性不存在，FFT 會為了要符合左右端不連續的變化，而產生一些不存在原訊號的能量分佈，造成分析上的誤差。當然，如果我們在取音框時，能夠使音框中的訊號就已經包含基本週 期的整數倍，這時候的音框左右端就會是連續的，那就可以不需要乘上漢明窗了。但是在實作上，由於基本週期的計算會需要額外的時間，而且也容易算錯，因此我 們都用漢明窗來達到類似的效果。 語音訊號在時域上變化十分的快速且會隨著時間不斷的改變，使得在時域上 沒有辦法作有效的觀察。可是在頻域上短時間內語音訊號是呈現週期性的，所以 一般會經由離散傅立葉轉換(Discrete Fourier Transform, DFT)把語音訊號由 時域轉成頻域[4]。 * 三角帶通濾波器有兩個主要目的： 1.對頻譜進行平滑化，並消除諧波的作用，突顯原先語音的共振峰。 （因此一段語音的音調或音高，是不會呈現在 MFCC 參數內，換句話說，以 MFCC 為特徵的語音辨識系統，並不會受到輸入語音的音調不同而有所影響。） 2.降低資料量。 * 模擬此人耳聽覺特性 梅爾頻率代表一般人耳對於頻率的感受度，由此也可以看出人耳對於頻率 f 的感受是呈對數變化的： 在低頻部分，人耳感受是比較敏銳 。在高頻部分，人耳的感受就會越來越粗糙 。 * 一個音框的音量（即能量），也是語音的重要特徵，而且非常容易計算。因此我們通常再加上一個 音框的對數能量（定義為一個音框內訊號的平方和，再取以 10 為底的對數值，再乘以 10），使得每一個音框基本的語音特徵就有 13 維，包含了 1 個對數能量和 12 個倒頻譜參數。（若要加入其他語音特徵以測試辨識率，也可以在此階段加入，這些常用的其他語音特徵，包含音高、過零率、共振峰等。） 人耳除了對於頻率的變化會隨著高頻而敏感度遞減，此外對於頻率能量的變 化也不敏感，這可以從三小聽骨的機制觀察到。人耳的外耳與中耳都是充滿空氣 而內耳卻是充滿液體，振動由空氣傳遞到液體會造成能量的損失，這時後三小聽 骨會利用槓桿原理在加上單位面積的不同來增加振動的傳送。此外，三小聽骨上 附有身體最小的骨骼肌，當有非常強大的巨響傳入，它會收縮以減低三小聽骨的 振動，藉此保護耳朵。因為模擬人耳的特性，所以一般會對梅爾三角濾波器輸出 的值作對數轉換[4]。 * 將上述的 20 個對數能量 Ek帶入離散餘弦轉換，求出 L 階的 Mel- scale Cepstrum 參數，這裡 L 通常取 12。離散餘弦轉換公式如下： Cm=Sk=1Ncos[m*(k-0.5)*p/N]*Ek, m=1,2, ..., L 其中 Ek 是由前一個步驟所算出來的三角濾波器和頻譜能量的內積值，N 是三角濾波器的個數。由於之前作了 FFT，所以採用 DCT 轉換是期望能轉回類似 Time Domain 的情況來看，又稱 Quefrency Domain，其實也就是 Cepstrum。又因為之前採用 Mel- Frequency 來轉換至梅爾頻率，所以才稱之Mel-scale Cepstrum。 * 聲紋辨識 100%自製 指導老師:趙春棠 學生:陳保均 學號大綱 DSP應用 生物辨識系統 聲紋辨識-處理過程 聲紋辨識缺點 DSP應用 語音方面： 語音分析/合成 語音辨識 語者辨識 噪音消除 聲紋辨識 加密/解密、T.T.S. (Text to Speech). DSP應用 控制方面： 交直流、伺服、步進、線性馬達 雕刻機 機器人 電動車 飛機及飛彈導航系統 半導體設備 DSP應用 影像應用方面： 影像辨識 醫學影像 生理影像監測 指紋辨識 虛擬實境(VR)、D3D、3D 圖型 飛行模擬 DSP應用 通訊方面應用： 加密/解密 廣播通訊 ADSL、I-Phone、Digital Radio 衛星通訊 視訊會議系統(Video Conference) 雷達/聲納