基于子波方差和尺度波长关系语音识别算法研究.docVIP

基于子波方差和尺度波长关系语音识别算法研究 　　摘 要： 为了提高语音识别的精确度，提出一种将子波方差分析手段应用于基音检测的改进基音检测算法。该算法选用Daubechies子波把信号分解到适当尺度，然后再利用墨西哥帽子波进行子波方差分析;结合子波尺度与波长关系，能够精确地定位基音周期的数值。将其应用于汉语声调的检测中，仿真结果表明，该算法可以根据实际要求调整扫描尺度的精度和范围，具有可调节性。 　　关键词： 子波方差; 尺度波长; 子波能量; 基音?z测; 声调识别; 语音识别算法 　　中图分类号： TN912.34?34 文献标识码： A 文章编号： 1004?373X（2018）10?0169?03 　　Abstract： To improve the precision of speech recognition， an improved pitch detection algorithm for applying the wavelet variance analysis means to the pitch detection is proposed. In the algorithm， Daubechies wavelet is selected to an decompose signals to an appropriate scale， and Sombrero wavelet is then used to perform wavelet variance analysis. The numerical value of pitch period can be accurately located based on the relationship between wavelet scale and its wavelength. The algorithm was applied to the detection of Chinese tones. The simulation results show that the algorithm can adjust the precision and range of the scan scale according to actual demands， and has adjustability. 　　Keywords： wavelet variance; scale wavelength; wavelet energy; pitch detection; tone recognition; speech recognition algorithm 0 引 言 　　语音信号是非平稳的随机信号，因此对其周期分析和特征提取是比较复杂的问题。在语音学和语音信号处理领域中，将发音时由声带振动而发出的音定义为浊音。浊音是一种近似的周期信号， 其周期称为语音的基音周期[1]。基音周期是语音信号的重要参数，在语音信号处理的许多应用领域里（如语音压缩编码、语音合成、语音识别等），准确可靠地检测语音信号的基音周期都是至关重要的环节，将直接影响到最终结果。 　　在基音周期分析算法研究这个领域，从20世纪中叶以来出现了很多种基音周期检测方法，其中著名的传统方法有平均幅度差函数法、自相关法等[1]。但由于语音信号本身的复杂性，导致还没有一种能适用于不同说话人和不同噪声环境下的精确基音检测方法。本文将在传统子波基音检测分析方法的基础上，利用语音信号子波系数的子波方差系数精确定位语音的基音周期，并成功应用于汉语语音声调的识别中。 1 基音周期检测的子波方差分析 　　1.1 子波变换 　　设[ψ（t）]为一平方可积函数定义为母波， 若其傅里叶变换满足子波函数的容许条件，则将连续子波变换的公式定义为： 　　比较式（3）和式（4），发现在单一尺度下子波方差和子波能量具有共同的量纲。而子波方差可以视为随机信号在单一尺度下的平均能量。将子波方差随尺度变化的趋势图定义为子波方差变化图如图1所示，该图能反映时间序列中所包含的各种尺度（周期）的波动及其能量强弱随尺度变化的特性[2]。 　　1.3 基于尺度波长关系的基音周期子波方差分析 　　由连续子波变换系数决定的子波方差值，反映了信号中所包含的各种尺度（周期）的波动及其强弱随尺度变化的特性。因此可以求出每帧语音信号子波变换系数的各尺度上的子波方差值。其中的最大值对应起主要作用的周期值，即可以精确定位基音周期。 　　首先，需要选择适当的子波进行子波变换。由于墨西哥帽子波在时域和频域均具有较好的局部性[6?7]，因此选择