基于小波变换的语音端点检测及汉语声韵母声学特性研究-通信与信息系统专业论文.docxVIP

基于小波变换的语音端点检测及汉语声韵母声学特性研究-通信与信息系统专业论文.docx

  1. 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. 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. 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. 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. 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. 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. 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
查看更多
学蝉堑 学蝉堑 纂丁小渡受挨的语音端点检溉及汉语,;,韵母庙学特性研究 摘 要 语音识别以语音为研究对象,是语音信号处理的一个重要研究方向。近二 兰十年来,语音识别技术取得了很大的进展,其产品也广泛应用于各个领域。计 算机与人类的自然交流成为语音识别技术发展的终极目标。需求的迫切性也使语 音识别技术得到国内外研究机构、厂商的广泛重视。 浯音以别建市在语音信号短时分析的基础上,利用语音信号的短时乎稳性, 对语音信号进行时域、频域、倒频域分析,从而得出语音信号短时特征和短时参 数。 (1)奉论文提出了一种基于小波变换的语音段起止端点检测算法。传统的语 音段起止端点检测算法大都是在时域上根据能量累积的大小判别语音段和噪声 段。这些算法只是适用于高信噪比的情况。对于低信噪比的情况,这些算法往往 要借助平均过零率等辅助特征。这样做不但增加了算法的复杂度,而且.也未必奏 效。本文根据小波变换的特性,针对#要由白色噪声组成的噪声背景,提出一种 新的语音段起止端点检测算法。这种算法根据白色噪声在小波变换域各个子带的 平均能量变化平缓的特点判别语音段和噪声段。实验结果表明,本论文提出的算 法即使在低信噪比的情况下也能正确判别语音段和噪声段。 (2)不论何种语言,都有元音和辅音两种音紊,元音为浊音,辅音则可分类 成清辅音和浊辅音。浊爵能量较大,有一定的周期性。清音能量较小,没有周期 性,但平均过零率较高。对于汉语来浣,汉字的音节由声母和韵母组成。韵母主 要表现为浊音的声学特征,而一‘部分声母表现为浊音的卢学特征,一部分则表现 为清音。因此,如果要从一段汉语语音信号中提取单个汉字,就必须区分韵母浊 音和声母浊音的不同。本文通过大量的统计观察和分析,首次总结m一些韵母浊 音和声母浊音的卢学特征。这些声学特征对于研究语音信号中单个汉字的提取算 法有省重要的参考价值。 关键训:语音识别,小波,端点检测,声韵母 兰丝墼二一 兰丝墼二一 堂!:兰燮丝笪丛生丝塑婆塑塑翌丛丝堕 ABSTRACT Speech recognition takes speech as its study object and is a important direction of digital speech signal processing.The technology of speech recognition makes great progress in recent decades,and its products arc widely used in many fields.The natural communication between human and computer is final target of speech recognition technology.Wide regards are focused on the speech recognition technology because ofthe great need ofmarket. Speech recognition is based on the short—time analysis of speech signal.Because of its short—time stationarity,speech signal can be processed in time—domain、 frequency—domain and quefrency-domain to get the short—time characteristics and short—time parametric. In this paper,we present a wavelet—based method of endpoint detection,The traditional speech segment endpoints detection algorithms mostly specify the speech signal and the noisy according to the accmnulation of energy in time—domain.All these algorithms are only suitable in condition of high SNR(signal—noisy-ratio).In condition of low SNR,they often reson to some other assistant characteristics like Average Zero Crossing Rate or else.However suc

您可能关注的文档

文档评论(0)

131****9843 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档