汉语数码语音识别分析毕业设计_第二章.pdfVIP

第二章 汉语数码语音的特征提取 及端点检测方法分析 §2.1 语音特征参数提取 2.1.1 语音特征参数： LPCC 和 MFCC 在语音识别系统中 , 模拟的语音信号在完成 A/D 转换后成为数字信号 , 但时 域上的语音信号很难直接用于识别 , 因此我们需要从语音信号中提取语音的特 征，一方面可以获得语音的本质特征 , 另一方面也起到数据压缩的作用。 目前通用的特征提取方法是基于语音帧的， 即将语音信号分为有重叠的若干 帧，对每一帧提取语音特征。例如采用的语音库采样率为 11 kHz ，因此我们采 用的帧长为 220 个采样点 (即 20 ms )，帧步长 （即每一帧语音与上一帧语音不重 迭的长度）为 110 个采样点 (即 10 ms )。 现有语音识别系统采用的最主要的两种语音特征包括： 线 性 预 测 倒 谱 系 数 (Linear Prediction Cepstrum Coefficient ， LPCC) 。该特征是基于语音信号为自回归信号的假设， 利用线性预测分析获得倒 谱系数。 LPCC 参数的优点是计算量小，对元音有较好的描述能力，其缺点在于 对辅音的描述能力较差，抗噪声性能较差。 Mel 频标倒谱系数 (Mel Frequency Cepstrum Coefficient ，MFCC) 。 该特征考虑了人耳的听觉特性，将频谱转化为基于 Mel 频标的非线性频谱，然 后转换到倒谱域上。由于充分模拟了人的听觉特性，而且没有任何前提假设， MFCC 参数具有识别性能和抗噪能力。本文采用 MFCC 参数为语音特征参数。 2.1.2 MFCC 参数的优点 与 LPCC 参数相比， MFCC 参数具有以下优点： 1 ．语音的信息大多集中在低频部分， 而高频部分易受环境噪声干扰。 MFCC 参数将线性频标转化为 Mel 频标，强调语音的低频信息，从而突出了有利于识 别的信息，屏蔽了噪声的干扰。 LPCC 参数是基于线性频标的，所以没有这一特 点。 2 ．MFCC 参数无任何前提假设，在各种情况下均可使用。而 LPCC 参数 假定所处理的信号为 AR 信号，对于动态特性较强的辅音， 这个假设并不严格成 立，而汉语数码语音识别需要对辅音有较强的分辨能力，如“ 6 ”和“9 ”，“1 ” 和“ 6 ”等，所以 MFCC 参数在汉语数码语音识别中优于 LPCC 参数。另外， 当噪声存在时， AR 信号会变为 ARMA 信号： 1 H ( ) n0 A( ) 1 A( )n0 (2.1) A ( ) 其中 H( )为受噪声污染的信号功率谱， 1 / A( )为 AR 信号功率谱， n0 为噪声 功率。这会给 LPC 分析的结果带来较大误差。因此，