基于HTK的语音拨号系统设计与分析.docVIP

基于HTK的语音拨号系统设计与分析 　　(1.广西师范大学 电子工程学院,广西 桂林 541004;2.广西师范大学 计算机科学与信息工程学院,广西 桂林 541004) 　　摘要:介绍了一种基于HTK的语音拨号系统设计方案。方案中以HMM实验工具包HTK3.3为工具,通过对拨号语音提取39维MFCC特征参数,采用基于模板匹配的训练方法,完成了拨号语音识别系统的构建,并对该系统进行了性能分析。 　　关键词:语音拨号;模式识别;隐马尔科夫模型;隐马尔科夫工具箱;Mel频率倒谱系数 　　中图分类号:TP311文献标识码:A文章编号:1009-3044(2009)28-7932-02 　　Design and Analysis of A Voice Dialing System Based on HTK 　　CHEN Xin-rui1, JIANG Zheng-feng2, LU Shi-peng1 　　(1.Electronic Engineering Institute of Guangxi Normal University, Guilin 541004, China; 2.Computer Science and Information Engineering Institute of Guangxi Normal University, Guilin 541004, China) 　　Abstract: Introduced a HTK-based voice dialing system design.Used HTK3.3 as a tool and used training method based on template matching,by extracted 39-dimensional MFCC feature parameters of the dial-up voice, has completed the digit dialing speech recognition systems construction, and has carried on the performance analysis to this system. 　　Key words: voice dialing; pattern recognition; HMM; HTK; MFCC 　　信息科技的快速发展,使得数字语音拨号系统的推广应用日益广泛。语音拨号的实用化会在众多场合给人们带来便捷,如司机开车、黑夜或盲人拨打电话时,用手指拨电话号码是很不方便或不安全的,而最自然的方式就是采用语音拨号,因此具有语音识别能力,能够进行声音拨号的系统,有着较好的市场前景,对于高性能低成本的数字语音识别系统的研究具有很强的应用价值。HTK(HMM tools kit)是剑桥大学开发的一个专门用于建立和处理HMM的实验工具包,主要应用于语音识别领域,也可以应用于语音合成、字符识别和DNA排序等领域,它有着源代码开放以及基于ANSI C的模块化设计等特点,可以方便地嵌入到用户系统中。 　　1 基于HTK的语音拨号系统的构建 　　隐马尔可夫模型(Hidden Markov Model)即HMM是现今语音识别的主流技术,目前大多数的语音识别系统都是基于它的。要把HMM应用于实际,必须解决的三个基本关键问题是[1]:1)输出概率的计算问题:给定观察序列O=O1,O2,…,OT和HMM模型λ=(π,A,B),如何计算观察序列对HMM模型的输出概率P(O|λ)。2)状态序列解码问题:给定观察序列O=O1,O2,…,OT和HMM模型λ=(π,A,B),如何确定一个最优的状态转移序列q=(q1,q2,…,qT)。3)模型参数的估计问题:如何调整λ=(π,A,B)的参数,使P(O|λ)最大。针对上述问题,前人分别提出了三种解决方法即前向-后向算法、Viterbi算法、Baum-Welch算法。本文在把HMM应用于语音识别时采用连续混合密度HMM模型,以摒弃离散HMM模型因矢量量化而造成的语音信号丢失的不足,并选择了从左到右、有跳变的HMM结构。连续HMM语音识别具体实施方案:1)端点检测;2)提取MFCC参数和一阶差分MFCC参数;3)对数形式Viterbi算法;4)将训练所得的HMM模型用于对训练集和测试集的识别,得到识别结果并保存。其中特征参数的选择与提取是语音识别的关键任务。Mel频率倒谱系数(MFCC) 将人耳的听觉感知特性和语音的产生机制相结合, 是将频谱转换为基于Mel频标的非线性频谱,然后转换到倒谱域上,因而被目前大多数语音识别系统所采用。Mel频率倒谱系数(MFCC)的提取过程如图1所示。图中s(n)为原始语音信号,x(n