語音辨識前處理介紹.pptVIP

語音辨識前處理介紹 Jain-De,Lee 大綱 預強調 音框化 端點偵測 窗函數 預強調 為了補償語音在空氣傳送中，所衰減的高頻訊號，故將語音訊號 s(n) 通過一個高通濾波器，其公式為: 此濾波器有+6dB/oct 高頻增強的特性，故語音訊號通過此高通濾波器結果為: 其中a為一個0.9 ~ 1.0之間的值 預強調 音框化 對於語音的離散時間訊號s(n)，利用一個固定長度的視窗(Window)套上，並對視窗內的訊號做運算(如:取語音特徵)，此行為稱加視窗，而套上的語音訊號稱音框(Frame) 通常視窗長度為20~30ms之間 舉例來說，取樣頻率22050Hz，若取視窗長度512點 512 / 22050 ≈ 23.22ms 音框化 為了保有語音訊號改變的延續性，通常會讓前後音框部分重疊，一般會重疊1/3或1/2個音框長度 取音框示意圖 端點偵測 一段語音檔案中，並不是所有的部分都是有效的訊號，因此必須經由端點偵測來判定有聲區段與無聲區段，其優點能讓系統提升效率及辨識率 有效聲段 端點偵測 一般端點偵測－絕對值能量法、平方和能量法 絕對值能量法： 其中E(n)為第n 個分析框的能量估算值，p 為該分析框的中心點位置，N 為分析框寬度 端點偵測 平方和能量法： 其中E(n)為第n 個分析框的能量估算值，p 為該分析框的中心點位置，N 為分析框寬度 端點偵測 基本頻譜熵值： 其中，pi(fm)為第i個音框下頻率fm的能量所佔比例，E(fm)為頻率m的能量大小，M為傅立葉轉換點數 其中，Hi為第i個音框下的負熵值， pi(fm)為第i個音框下頻率fm的能量所佔比例 端點偵測 平均能量熵值： 計算整段平均能量 其中，u為整段訊號的平均能量點，A(n)為第n個點的振幅值，N為訊號總點數 將平均能量加入機率密度 其中，β為調整值 端點偵測 計算加入平均能量後的負熵值 其中，Hi’為第i個音框下重新計算後的負熵值 窗函數 為了消除視窗兩邊的訊號的不連續，通常會加上漢明窗(Hamming Window)，其公式為: 良好窗函數的頻率響應 主葉(Main lobe)頻帶要窄 旁葉(Side-lobe)與主葉差距大 otherwise 窗函數 常見窗函數: 窗函數 窗函數的頻率響應 * * * *