车载多媒体系统中语音识别技术研究.docVIP

车载多媒体系统中语音识别技术研究

摘要：本文针对车载多媒体系统的特点，对语音识别的端点检测、语音特征参数提取以及识别模式进行了研究。

关键词：车载系统语音识别端点检测特征参数提取识别模式

中图分类号：tn912 文献标识码：a 文章编号：1007-9416(2012)02-0082-01

由于生活节奏的加快，汽车已经成为了人们生活中重要的工具，人们在车内的时间也更多。同时也希望能够在车内接收到外界的信息继续进行工作，还要求汽车有娱乐功能，因此促进了车载多媒体的发展。而车载多媒体传统的人机交互方式会增加潜在的驾驶危险，为此将语音识别应用于车载多媒体系统中，将会是车载多媒体发展的重要方向。端点检测、特征参数提取以及识别是语音识别的主要内容，本文也将从这三个方向对车在多媒体系统的语音识别进行研究。

1、端点检测

在进行语音识别时，首先需要通过端点检测来对语音信号中的无声片段和有声片段进行分割。目前，语音端点识别已经从开始的单一门限发展到了基于模糊理论的判决。但是对于车载多媒体而言，计算量较大、识别响应时间较长端点检测的方法显然不使用，所以主要采用基于短平均过零率和短时间平均幅度的方法来进行语音端点检测，这种方法利用短时间内幅度的检测和过零率来作为语音端点的检测。

首先，利用短时幅度可以有效判断语音端点，同时语音的浊音部分平均幅度会明显大于噪声的平均幅度，然后同时再辅以短时过零率的方法来判断语音开始的浊音，从而进一步对端点检测进行校准，两者的结合能够更加精确的判断语音端点，并且两种算法都较为简单，能够满足车在多媒体的需求。

2、特征参数提取

在完成语音的端点检测之后，需要提取语音的特征参数，然后进行语音识别。目前用于语音特征参数提取的算法主要有lpcc（线性预测倒谱系数）和mfcc（mel频率倒谱），由于mfcc具有更强的抗干扰能力等特点，更适合与噪声较多、司机不能离输入设备很近的车载环境。

分析mfcc的语音特征参数提取可以分成预加重、加窗、fft（快速傅里叶变换）、滤波、自然对数提取、自然对数dct计算这六个步骤。由于mfcc其计算精度以及计算量都较大，因此，使用mfcc作为车载系统的语音特征参数提取时，需要进行相应的改进：

(1)在mfcc实现的六个步骤中，例如加窗等步骤就可以实现进行计算，然后存储在数组中，在使用时进行查表提取，从而避免每一次语音识别时重复计算，从而加快了计算速度。

(2)fft需要花费大量的时间（据统计，fft需要花费mfcc56.32%

[3]谢凌云,杜利民,刘斌.嵌入式语音识别系统的快速高斯计算实现[j].计算机工程与应用,2004,(23):30~31.