基于DTW算法的孤立词语音识别汇编.docxVIP

下载本文档

5
0
约1.8千字
约 6页
2017-07-13 发布于湖北
举报
版权申诉

基于DTW算法的孤立词语音识别汇编.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于DTW算法的孤立词语音识别汇编

多媒体技术实验报告——基于DTW算法的孤立词语音识别班级：姓名：学号：2016年12 月14 日第一章核心代码内容1. CalculateDistance部分代码及注释float CalculateDistance(float Vector1[], float Vector2[]) {//计算向量间欧氏距离float Distance = 0;for (int i = 1; i = DVECTOR; i++){Distance = Distance + pow((Vector1[i] - Vector2[i]), 2);}Distance = sqrt(Distance);return Distance;}float Run_DTW(float TemplateV[][DVECTOR + 1], int NFTemplate, float TestV[][DVECTOR + 1], int NFTest) {float distortion;float temp;//计算测试向量和模板向量各分量之间的欧氏距离，存放于distance_matrixfor (int i = 1; i = NFTemplate; i++){for (int j = 1; j = NFTest; j++){distance_matrix[i][j] = CalculateDistance(TemplateV[i], TestV[j]);}}//动态规划计算最优时间规整下的向量累积距离distortion_matrix[1][1] = distance_matrix[1][1];for (int i = 2; i = NFTemplate; i++) //从左到右distortion_matrix[i][1] = distortion_matrix[i - 1][1] + distance_matrix[i][1];for (int j = 2; j = NFTest; j++) //从下到上distortion_matrix[1][j] = distortion_matrix[1][j - 1] + distance_matrix[1][j];for (int i = 2; i = NFTemplate; i++) //从左下到右上for (int j = 2; j = NFTest; j++){temp = distortion_matrix[i - 1][j - 1];if (distortion_matrix[i][j - 1]temp)temp = distortion_matrix[i][j - 1];if (distortion_matrix[i - 1][j]temp)temp = distortion_matrix[i - 1][j];distortion_matrix[i][j] = distance_matrix[i - 1][j] + temp;}distortion = distortion_matrix[NFTemplate][NFTest];return distortion;//返回测试数据和模板数据之间的累加和}第二章基础实验1.课程模板及测试数据实验数字01234567890~9正确数342434444436错误数10201000004正确率0.751.000.501.000.751.001.001.001.001.000.902.自己录制模版及测试数据实验数字01234567890~9正确数423444444437错误数02100000003正确率1.000.500.751.001.001.001.001.001.001.000.9253.课程模板及自己录制测试数据实验数字01234567890~9正确数040004044016错误数404440400424正确率0.001.000.000.000.001.000.001.001.000.000.404.评测结果分析：使用课程模板及测试数据实验的正确率为0.90，使用自己录制模板及数据实验的正确率为0.925，使用课程模板及自己数据实验的正确率为0.40.由于每个人录制的音频可能不等长，外加其他各种随机因素，导致用不同人的模板和数据匹配时正确率偏低。