基于动态时间规整算法语音识别技术研究.docVIP

基于动态时间规整算法语音识别技术研究 　　摘 要：语音控制作为一种新型的人机交互手段，给用户带来更多的操作体验，在很多特定场景中具有必要性。本文将梅尔倒谱系数（MFCC）作为语音特征参数，采用动态时间规整算法（DTW）进行模式识别和分类，实现了小样本孤立词汇的实时识别，具有高识别率。在基本算法的基础上进行了边界条件改进，克服了端点检测缺陷。在语音特征提取上，分析比较了线性预测系数（LPC）和梅尔倒谱系数（MFCC）作为特征参数的优缺点，最后选定基于人耳听觉特性的MFCC作为语音特征参数。语音信号采用NI公司USB-6218采集卡将数据直接传输至MATLAB开发平台，在MATLAB集成环境下实现了语音识别程序。实验结果表明，系统可以实现6个特定的孤立词识别，满足实时性和准确性要求。 　　关键词：语音识别 端点检测 DTW MFCC 　　中图分类号：TP39 文献标识码：A 文章编号：1672-3791（2017）09（b）-0028-04 　　Abstract： Speech control， as a new type of human-computer interaction method， brings better operation experience to users， and it is necessary in many specific scenes. In this paper， the MFCC are used as speech feature parameters， and the dynamic time warping algorithm （DTW） is used for pattern recognition and classification， which realizes the real-time recognition of small sample isolated words with high recognition rate. On the basis of the basic algorithm， the boundary condition is improved and the defect of endpoint detection is overcome. In the speech feature extraction， analysis and comparison of the linear prediction coefficient （LPC） and MFCC advantages and disadvantages as characteristic parameters， finally selected based on human auditory characteristics MFCC as speech feature parameters. The voice signals are directly transmitted to the MATLAB development platform by NI companys USB-6218 acquisition card， and the voice recognition program is implemented in the MATLAB integrated environment. Experimental results show that the system can implement 6 specific isolated word recognition， which meets the requirements of real-time and accuracy. 　　Key Words： Speech recognition； Endpoint detection； DTW； MFCC 　　语言是人与人之间最自然、最重要的交流工具，同时也是人类获取信息的重要途径之一。语音信号处理有四大分支，分别为语音识别、语音合成、语音编码和说话人识别。语音识别是下一代人机交互的核心技术之一，能够让机器按照人的语音指令进行各项操作，甚至与人交流，这在实际应用中具有极其重要的意义。1956年，美国普林斯顿大学RCA实验室利用带通滤波器组提取频谱参数特征，成功地研制出能识别10个单音节词的语音识别系统。20世纪60年代，随着计算机技术的发展和应用，动态规划（DP，Dynamic Programming）和线性预测分析技术（LP，Linear Prediction）两大技术推动了语音识别技术理论研究的发展。20世纪70年代，语音识别技术的研究取得了突破性的进展。动态