基于VQ的孤立词识别.ppt

基于VQ的孤立词识别 语音识别一般分两个步骤。 学习（训练）：建立识别基本单元的声学模型、文法分析的语言模型，存放于语音参数库。 识别（测试）：根据一定的准则和测度将待识别模型与系统模型进行比较，判决得出结果。 识别过程涉及的基本原理 失真测度：在识别中，对待识别语音特征参数与训练特征参数的失真度量。 主要识别框架：基于模式匹配的动态规整、VQ和基于统计模型的GMM、HMM 概述 语音识别原理和识别系统组成 基于模式匹配VQ的语音识别 VQ用于语音识别共有四个步骤:特征提取、模板训练、模板分类、判决。 1、预处理： 主要包括抗混叠滤波 预加重 端点检测等。 2、语音特征参数提取： 时域特征：短时平均能量、短时平均过零率、共振峰、基音周期等； 频域特征：线性预测系数(LPC)、LP倒谱系数(LPCC)、线谱对参数(LSP)、短时频谱、Mel频率倒谱系数(MFCC)等。 语音识别原理和识别系统组成 3、参考模板 根据每个孤立词的训练数据生成每个孤立词的VQ模型 4、判卷准则 根据欧式距离进行结果选择 语音识别原理和识别系统组成 基于VQ的MATLAB程序结构 训练过程 MFCC_Tiwuzaosheng.m：提取孤立词的MFCC，用于聚类 提取所有孤立词的训练样本MFCC，每个孤立词保存为一个cell，这样可以在矢量量化时得到每个孤立词的聚类中心。保存的变量为： MFCC.mat 在程序运行之前首先要对训练样本进行归类，就是每个孤立词一个文件夹，这样可以得到每个孤立词的MFCC系数。 基于VQ的MATLAB程序结构 基于VQ的MATLAB程序结构 MFCC_Tiwuzaosheng.m的结果是提取每个孤立词每个训练语音样本的MFCC系数，且保存为MFCC_trainlist.mat文件 MFCC参数的格式是：每个孤立词一个structure 每个structure一个cell，包含了60个样本的MFCC系数 kmeans_vq.m：根据提取的MFCC系数，通过K均值聚类方法，得到每个孤立词的VQ中心矢量，用于识别。每个孤立词聚类中心都保存在kmeans_cent.mat变量中。 每个孤立词的MFCC进行一次VQ聚类，得到矢量中心，这里我们设置聚类个数为20. 基于VQ的MATLAB程序结构 识别过程 总的识别运行程序为：recognize.m 基于VQ的MATLAB程序结构 Shibie.m recognize.m disteu.m 1.完成基于VQ的孤立词识别系统仿真 2.改变MFCC系数阶数、每个孤立词VQ聚类个数、每个孤立词训练样本数时，分析系统的识别率差异 3.将原有的孤立词进行改变，识别孤立词为0、1、2,…,9十个数字，或者其它的10个孤立词，自己录制训练样本，实现不同孤立词的识别系统，并分析系统性能。 任务要求