基于MATLAB的汉语数字语音识别系统

张 培 玲 ， 凌 飞 成
（ 河南理工大学 电气学院 ， 河南 焦作 ４４０） ５ ０ ０
摘
要： 应用动 态时间规整 （Ｔ 为识别 算法， 用Ｍ Ｃ （ Ｅ 频率倒谱 系数） Ｄ Ｗ） 采 Ｆ ＣＭ Ｌ 为主要语音特 征参数 ， 建立 了一 个汉
语数字语音识别 系统 ， 中包括语音信号 的预 处理 、 其 特征 参数的提 取 、 别模板 的训练、 别匹配算 法； 识 识 同时 ， 出利 提 用 ＭＡ Ｌ Ｂ图形用户界 面开发环境设计语音识 别 系统界 面 ， ＴＡ 设计 简单 ， 用方便 ， 使 系统界 面友好 。
为 了体 现语 音 的动态 特性 及能 量对 语音 区分 的作 用 ， 在 上述 语 音 特征 矢 量 中加 人 了一 阶差 分 ＭＦ Ｃ 还 Ｃ 及 其 一 阶能 量 和一 阶差分 能 量 ， 中能量 参 数 用语 音 其
平 均能 量进 行 了归一 化 。
３ 训 练 与识 别
路 径不 是 随 意选 择 的 ， 因为任 何 一种 语 音 的发 音快 慢 都有 可 能变化 ， 但是 其各 部分 的先后 次 序不 可能 改变 ， 因此 所选 的路 径必 定是从 左 下角 出发 ， 在右上 角结 束 ，
一
ｘｋ ｚ ） ／ ． （一 ｎ （一 （ｅ Ｋ． ｉ ∑ ）
尸 ） ｘｋｌ （＝ｌ（ 。 ）．
。
（ １ ）
（ ２ ）
其中 ， 为 ５２ ｌ 点。然后再求信号能量谱 ， ： 即 ５ 根据 （ ） ） ４ 式进行频率弯折 ， 在弯折后 的频率轴 上取等间隔滤波器组在频域对功率谱进行滤波．
４ 对加窗后的语音信号进行 ５ ２ ） １ 点离散傅立叶变
换（ Ｆ ， ： Ｄ Ｔ） 即
用过零率找到语音端点的相对精确位置 ， 分解 出每一 个 语 音段 。 个实例见 图 ２ 其 中 ５ ， 表示无 声段 ，表示 有声 ， 段 ， 示 有 声 段 结束 后 的无 声 部 分 。从 图 中可 知 有 Ｈ表
值 较 大 ， 声 语 音 （ 摩擦 音 ） 无 如 的过 零 率 较 高 ， 因此 可 以通 过 计 算 短 时能 量 大致 判 断 出语音 的端 点 ， 后 使 然
频 预加 重 ；
３ 用 海 明 窗 （ａ ｍｉｇｗｎ ｏ ｓ 函数对 每个 帧进 ） ｈｍ ｎ ｉｄｗ ） 行 加窗 处理 ， 减少 吉 布斯 （ｉｂ） 应 ； ｉ ｓ效 ｂ
１１ 预 处 理 ．
健 性 ， 非 特定 人 语 音识 别 方 面有 利 于 减 少 因说 话 人 在
不 同的差 异 可 能带 来 的影 响 。大 量 的研 究 表 明 ， 从识
预加重是对信号进行平滑， 即提升高频部分 ， 使信 号的频谱变得平坦 ， 保持在低频到高频 的整个频带 中 能用 同样 的信噪 比求频谱 ， 以便于频谱分析或声道参
ｎ＝ ， ， ， 仁１２ …… ， （）１ （７ Ｍｏ 为 了使 路 径 不 Ⅳ， １ ， 』＝ ＝ ７ 、 ） 至 于过倾 斜 ， 以约束斜 率 在 ０５ ２ 可 ． 的范 同内 ， 如果路 径 已经 通 过 了格 点 ， ， 么下 一个 通 过 的格 点 （ 那 Ⅲ 只可 能是 下 列 种情 况 之一 。即 ： ， ）（ １ｍ ＋ ） Ⅲ：力＋ ，
｝ 《————
有 声 段
—
背 景 噪 声
Ｌ
结 束段
图 ２ 语 音 信 号 的 端 识 别 系统 基 本 原 理框 图
Ｍｅ频 率 倒谱 系数 （ Ｃ ） ｌ ＭＦ Ｃ的分 析 就是 着 眼 于人 耳 的 听 觉 机 理 ， 据 听觉 实 验 的结 果 来 分 析语 音 的 频 依
率 。与 ＬＣ Ｐ Ｃ相 比 ， 突 出 优 点 是 不 依 赖 全极 点语 音 其 产 生 模 型 的假 定 ， 且 在 噪声 环境 下 表 现 出更 强 的 顽 而
１ 语 音信 号 的预 处理
从图 １ 知， 可 整个识 别 系统 包括 ４ 部 分 ： 个 预处 理 ； 特征 参数 提 取 ； 练 ； 训 识别 ”Ｉ 一。
得 到模 型参 数 ， Ｄ Ｗ 算 法 的训 练 中几乎 不需 要额 外 而 Ｔ 的计算 ｍ ； 以 ， 所 在孤 立词 语 音识 别 中 ，Ｔ 算 法得 到 ＤＷ
广 泛 应 用 。 本 系 统 应 用 动 态 时 间 规 整 ｆＴ 为识 别 Ｄ Ｗ） 算法。
３１ 动 态 时间规 整 ．
一
来 实现 ， Ｕ的值一般在 ０ ４ ０ ８ ． ～ ． 之间 ， ９ ９ 在本系统中
取 ０９ 。 ．７
帧信 号 ； ２ 每 一 帧 信 号 用 滤 波 器 Ｈ（） —０９ｚ 作 高 ） ｚ一１ ．７
１ 语 音信 号 的 端点检 测 ． ２
端点检测就是从一段信号 中检测出语音信号的起 始点和结束点 ， 这可借助于语音信号 的能量和过零率 两个 时域 参 数来判 断 各数 字 的边界 。有 声语 音 的能 量
数 分 析 。 预加 重 一 般 是 通 过 一 个 数 字 滤波 器 １ ， —１ ｌ Ｚ
别 效 果及 抗 噪 声性 能 上来 看 ， Ｃ 要 优 于 Ｌ Ｃ 因 ＭＦ Ｃ ＰＣ ， 此 本 系统采 用 ＭＦ Ｃ特征 参数 。ＭＦ Ｃ 算 方法 如下 ： Ｃ Ｃ计
１ 以一 定 窗长 （ 文 取 ２ ｍｓ 和窗 移 （ 为 １ ｍｓ ） 本 ０ ） 取 ０ ） 把 语 音分 成 一 个个 相 互 重 叠 的帧 ， 以下 步骤 用 于 每 将
现 了汉 语语 音 的端点 检 测和 切分 。
在 人机 语 音 通 信 中 “ 瞳” 听 人类 口述 的语 言 ， 是人 机 通 信 技术 的基 础 之一 ， 目前 正 广 泛应 用 于 控 制 、 信 、 通 消 费 等行业 。
一
Ｉ８帧 ＝６
Ｓ＝ １ ￣ ４９ ］
Ｊ 七
— —
个 典 型 的语音 识别 系统 ， 图 １ 示 。 如 所
第 ４ （ 第 １２ ） 期 总 ２期
Ｎ ＿（Ｕ ｏ１２ ｏ４Ｓ Ｍ Ｎ ． ） ２
机 械 管 理 开 发
ＭＥＣＨＡＮＩ ＡＬ ＭＡＮＡＧＥ Ｃ ＭＥＮＴ Ａ ＮＤ ＤＥ ＶＥ ＯＰ Ｌ ＭＥＮ Ｔ
２１年８ ０１ 月
Ａｕ ． ０ ｇ２ １ １
基于 ＭＡ Ｌ Ｂ的汉语数字语音识 系统 ： ＴＡ ｌ ：
声段是从信号 的第 ｌ 帧开始到第 １０ ５ ０ 帧结束 ， 由每一 帧 的宽 度还 可 知 端 点 的开 始 时 间 和字 节 长 度 ， 而 实 从
收稿 日期 ：０ １０ —１ ： ２ １－ ２ ７ 修回 日期 ：０ １０ — ４ ２ １－ ４ １ ’
基 金项 目：００ ２ １年度河 南省 高等 学校 青年 骨干教 师基金 资助项 目（００ Ｇ Ｓ０６ ； ２１Ｇ Ｊ－５ ）河南理 工大学青年基金 资助 项 目（ ２ １—６ ； 南理工 大学大 Ｑ ００６ ）河 学生科学研 究训练计划基金 资助项 目（９ ２０４ 。 ０— —３ ） 作者 简介 ： 张培玲（９７ ）女 ， ｉ７一 ， 山东济南人 ， ， ， 讲师 硕士 从事信号处理和信 息工程教 学与科研 工作 。
关 键 词 ： 音 识 别 ； 态 时 间规 正 ； 立 词 ； 形 用 户 界 面 （Ｕ ） 语 动 孤 图 Ｇ Ｉ
中图分类号 ：Ｎ １．４ Ｔ ９ ２３
文献标识 码 ： Ａ
文章编号 ：Ｏ ３ ７ ３ ２ １ ）４ ０ ０ — ３ ｌＯ — ７ ｘ（０ １０ — ２ ５ ０
０ 引 言 语 音识 别 研 究 目的是 让 机 器 具有 人 的 听觉 能力 ，
２； ， ＝力 １ ｍ ＋ ） ， ＝ ＋ ， 。米 用 ， 不 上 ） 埘）（ ＋ ， １； １ 表
已存 入模 板 库 的各 个 词 条称 为 参 考模 板 ， 个 参 一 考 模 板 可 表 示 为 肚 ｛ １， （）… … ， （ ， … ， ）Ｒ２， ｎｍ）… （ ｝／为训 练语 音 帧 的时序标 号 ， ｌ ，３ １ ｍ＝ 为起 点语 音 帧 ，
７ 对 ，Ｊ 行 离 散 余 弦 变 换 （ Ｃ ） 得 到 了 ＭＦ ） ，进 ７ Ｄ Ｔ就 —
Ｃ Ｃ系数 。
Ｊ ｃ 一５・ （ （， 表 示测 试 模式 中某一 帧 的交 汇 点 。ＤＰ算 法 可 以 苦 Ｏ （０） ｓ ． ５ ｎｍ） （ ） ）
这里 ， 为倒谱系数的阶数 ， ｉ 一般可取 ｌ～６ ； ２ １个 卢１ 为滤 波器 的个 数 。在本 文 中 ｉ １ ， ２ 。 一Ｑ ＝ ２ Ｑ＝ ４
如图３ 示。 所
／
／
在 汉语 数 字 语 音识 别 中 ， 为 简单 有 效 的 方法 是 最 采 用 动 态 时 间 规 整 （Ｔ 算 法 ， 算 法解 决 了发 音 长 Ｄ Ｗ） 该
短 不一 的模 板 匹配 问题 ， 语 音识别 中出现最 早 、 是 较为
／
／
／
／ 『
・
２ ５・ ０
第４ （ 第 １２ ） 期 总 ２期
机 械 管 理 开 发
Ｍｅ ｆ ＝１ ２ ． ４ ×ｏ ２ ＋‘ ） ｌ ） ｌ７ １ ｌ （ ． （ ０ ８ ｇ１
６ 计 算通 过各 个频 带 的能量 并取 Ｌ Ｇ得 到 ） Ｏ
（ ３ ）
用， 距离 越 小则相 似度 越高 。为 了计 算这 一失 真距 离 ，
通 过 的格 点 即 为测试 和参 考模 板 中进行 计 算 的帧 号 。
］
， １ｌ （ （ １ Ｑ． （ ７ ｏ（ 志 志； ≤≤ ４ ２ ｇ∑ ） ） ， ］ 一 Ｉ ＰＪ Ｉ ）
式 中： Ｑ为滤 波器 的个 数 ； ｊ ） 第 ｃ（ 为 ｋ 个滤 波器 的加 权
函数 。
图３ Ｔ 算法搜索路径 示意 图 Ｄ Ｗ
为 了捕 述 这 条路 径 ， 设路 径 通 过 的所 有 格点 依 假
次 为 ， ， ｍ） …… ， ， ， 埘）…… ， Ⅲ）其 中（ Ⅲ）（， （ 门， ， 妇， ＝ １
１，／ ， ＝』， 。路径 可 以用 函数 １ ＝ 捕 述 ， 中 ）（ ， ）（ 彻 ／ 刀 ） ｖ １ （ １ 其
１＝ １ Ｍ为 终点 语 音 帧 ， ７ 因此 为该 模板 所 包 含 的语音 帧
述 个约束条件。求最佳路径的问题可以归结为满足 约束条件 ， ， 时 求最佳路径函数 ｍ－ （ ， － Ｆ 使得沿路径的 Ｊ／ ￣） 积 累距离 达 到最小 值 。
经 典 的一 种 算 法 。该 算 法较 现 在 比较 流 行 的 Ｈ ＭＭ算 法 在 相 同 的 环 境 条 件 下 ， 别 效 果 相 差 不 大 ，但 识
／
／
【 Ｉ
Ｈ Ｍ算法要复杂的多 ， Ｍ 这主要体现在 Ｈ Ｍ算 法在训 Ｍ 练 阶段 需 要 提供 大 量 的语 音 数 据 ， 过反 复计 算 才 能 通
应从 和 矗中各个对应 帧之间的距离算起 。设 门 １ 和１ １ 分别是 和 中任意选择的帧号 ， ［ ， 埘］ ｄ玎 ） ） 表示这
两 帧特征 矢量 之 间的距 离 。距 离 函数取 决 于实 际采用 的距 离度 量 ， Ｄ Ｗ 算法 中通 常采用 欧 氏距离 在 Ｔ 。 若 胎 则 可 以 直接 计 算 ， 则要 考 虑 将 丌 ） Ｒ 否 和 （ 对 齐 。多 数 情 况 下 采 用 动 态规 划 （Ｐ的方 法 。如 Ｄ） 果 把 测试 模 板 的各 个 帧 号 曰 ｌ ＝ 一Ⅳ在 一个 二 维 直 角坐 标 系 中 的横 轴 上标 出 ， 参 考模 板 的各 帧号 １＝ Ｍ 把 ／ １ ／ 在 纵轴 上 标 出 ， 通过 这 些 表示 帧 号 的整 数坐 标 画 ｍ一 些 纵横 线 即 可形 成一 个 网络 ， 网络 中 的每一 个 交叉 点 归结 为寻 找 一条 通 过 此 网络 中若 干 格点 的路径 ， 径 路