放宽端点限制地DTW法用于孤立词识别.PDFVIP

放宽端点限制的D TW 法用于孤立词识别 姜天辰　夏仁平 ( ) 上海交通大学信息与控制工程系　 上海 200240 摘　要 本系统是一个在多媒体 PC 上实现的孤立词识别系统, 它提取语音的线性预测 系数作为特征参数, 并采用 Itaku ra 失真测度计算帧间距离, 在识别上则使用了 动态时轴弯曲( ) 进行时间匹配。本系统对一般的 法作了改进, 即通 D TW D TW 过放宽端点限制以得到更好的语音匹配, 克服了一般D TW 法要求语音首尾严 格对齐而造成的弊病, 降低了语音端点检测的精度要求。 关键词 语音识别　动态时轴弯曲　端点限制 为200 点时, 自相关法与协方差法求解结果差别不大, 故选 引言 用快速且稳定的自相关法。既然采用了线性预测系数作为 [3 ] 语音识别是近年来在信号处理和人工智能领域内非常 特征参数, 就可以使用 Itakura 失真测度计算帧间距离 。 活跃的研究课题。这主要归功于计算机技术的迅速发展, 使 在实际设计算法时采用的是 Itakura 失真测度的一种变形 得需要大量数据处理的语音识别技术已能在较廉价的硬件 ——增益归一化测度, 这种测度与人的主观感觉较符合, 且 上实现; 而多媒体技术的发展对语音识别也提出了实用化 在实际应用中效果较好。 要求, 希望能将语音识别应用于 PC 上。本系统就是在多媒 2　动态时轴弯曲法进行时间匹配 体 PC 上实现的语音识别系统, 可以作为简单人机语音交 互的一个实例。 说话人对同一个词的两个发音不可能完全相同, 这些 人们已提出了许多方法用于语音识别, 动态时轴弯曲 差异不仅包括音强的大小、频谱的偏移, 更重要的是发音时 音节的长短不可能完全相同, 而且两次发音的音节往往不 (D TW ) 就是其中之一。其特点是识别率较高, 系统复杂度 存在线性对应关系。动态时轴弯曲(D TW ) 就是将发音在时 低, 但计算量偏大。目前PC 机已能胜任D TW 法的计算量, 间轴上进行弯曲, 以使两次发音能更好地匹配。 因此本系统的识别策略就基于D TW 法, 同时也对该算法 2. 1　 的基本思路 作了一定的改进, 主要是对端点限制有所放宽。 D TW 设模板库中某模板发音共有M 帧, 而接收到的待识别 1　系统综述