语音识别系统实验报告材料.docVIP

语音识别系统实验报告材料 语音识别系统实验报告材料 PAGE / NUMPAGES 语音识别系统实验报告材料 实用标准 语音识别系统实验报告 专业班级：信息安全 学号： 姓名： 文案大全 实用标准 1 2.1 2 2.2 3 2.3 3 2.4VQ 4 3.1 .4 3.2 5 mfcc 5 disteu 5 vqlbg .6 文案大全 实用标准 test 6 testDB 7 train 8 melfb 8 .9 .11 GUI 12 文案大全 实用标准 基于 VQ 的说话人识别系统， 矢量量化起着双重作用。在训练阶段，把每一个 说话者所提取的特征参数进行分类，产生不同码字所组成的码本。在识别 (匹配) 阶段，我们用 VQ 方法计算平均失真测度 (本系统在计算距离 d 时，采用欧氏距 离测度 )，从而判断说话人是谁。 语音识别系统结构框图如图 1 所示。 图 1 语音识别系统结构框图 2.1 语者识别的概念 语者识别就是根据说话人的语音信号来判别说话人的身份。 语音是人的自然 属性之一，由于说话人发音器官的生理差异以及后天形成的行为差异， 每个人的 语音都带有强烈的个人色彩， 这就使得通过分析语音信号来识别说话人成为可能。 用语音来鉴别说话人的身份有着许多独特的优点， 如语音是人的固有的特征， 不 会丢失或遗忘； 语音信号的采集方便， 系统设备成本低； 利用电话网络还可实现 远程客户服务等。因此，近几年来，说话人识别越来越多的受到人们的重视。与 其他生物识别技术如指纹识别、手形识别等相比较，说话人识别不仅使用方便， 而且属于非接触性，容易被用户接受，并且在已有的各种生物特征识别技术中， 文案大全 实用标准 是唯一可以用作远程验证的识别技术。因此，说话人识别的应用前景非常广泛： 今天，说话人识别技术已经关系到多学科的研究领域， 不同领域中的进步都对说 话人识别的发展做出了贡献。说话人识别技术是集声学、语言学、计算机、信息 处理和人工智能等诸多领域的一项综合技术， 应用需求将十分广阔。 在吃力语音 信号的时候如何提取信号中关键的成分尤为重要。 语音信号的特征参数的好坏直 接导致了辨别的准确性。 2.2 特征参数的提取 对于特征参数的选取，我们使用 mfcc 的方法来提取。 MFCC 参数是基于人 的听觉特性利用人听觉的屏蔽效应，在 Mel 标度频率域提取出来的倒谱特征参 数。 MFCC 参数的提取过程如下： 对输入的语音信号进行分帧、加窗，然后作离散傅立叶变换，获得频谱分布信息。 设语音信号的 DFT 为： N 1 j 2 nk X a (k) x(n)e N ,0 k N 1（1 ） n 1 其中式中 x(n) 为输入的语音信号， N 表示傅立叶变换的点数。 再求频谱幅度的平方，得到能量谱。 将能量谱通过一组 Mel 尺度的三角形滤波器组。 我们定义一个有 M 个滤波器的滤波器组（滤波器的个数和临界带的个数相近） ， 采用的滤波器为三角滤波器，中心频率为 f(m),m=1,2,3, ，·M 本系统取 M=100 。 文案大全 实用标准 计算每个滤波器组输出的对数能量。 N 1 S(m) ln( | Xa (k) |2 H m (k)), k 1 （2） 0 m M 1 其中 H m (k) 为三角滤波器的频率响应。 经过离散弦变换（ DCT）得到 MFCC 系数。 M 1 C(n) S ( m)cos( n(m 0.5 / m)),(3) m 0 0 n N 1 MFCC 系数个数通常取 20 — 30 ，常常不用 0 阶倒谱系数，因为它反映的是频 谱能量，故在一般识别系统中，将称为能量系数，并不作为倒谱系数，本系统选 取 20 阶倒谱系数。 2.3 用矢量量化聚类法生成码本 我们将每个待识的说话人看作是一个信源，用一个码本来表征。码本是从该 说话人的训练序列中提取的 MFCC 特征矢量聚类而生成。只要训练的序列足够 长，可认为这个码本有效地包含了说话人的个人特征，而与讲话的内容无关。 本系统采用基于分裂的 LBG 的算法设计 VQ 码本， X k (k 1,2, , K ) 为训练 序列， B 为码本。 具体实现过程如下： 取提取出来的所有帧的特征矢量的型心 (均值 )作为第一个码字矢量 B1。 将当前的码本 Bm 根据以下规则分裂，形成 2m 个码字。 { Bm Bm (1 ) （4） Bm Bm (1 ) 文案大全 实用标准 其中 m 从 1 变化到当前的码本的码字数，ε是分裂时的参数，本文ε =0.01 。 根据得到的码本把所有的训练序列 (特征矢量 )进行分类，然后按照下面两个公 式计算训练矢量量化失真量的总和 D [ n] 以及相对失真