《DTW算法》由会员分享，可在线阅读，更多相关《DTW算法（41页珍藏版）》请在金锄头文库上搜索。
1、引言 随着时代的发展，人们越来越注重生活的品质。便捷时尚成为当代人们的追求目标。现在,语音信号处理的技术趋于完善,语音识别技术的应用有两个发展方向:一个是大词汇量连续语音识别系统,主要应用于计算机的听写输入等;另一个是小型化便携式语音模块的应用,如手机的拨号汽车设备的语音控制等方面的应用,这些应用大多都需要使用硬件实现。 在此次课程设计中，我们引用现今较为成熟的语音信号处理技术，设计一个简单的非实时语音信号识别系统。其主要技术指标是识别率和计算量,其关键是特征参数的提取和模式识别方法。测试模板将预先录制好的09的语音文件用按键方式输入，经过A/D转换芯片0809后转化为数字信号，在单片机AT8
2、9C52中，先用端点检测将语音中有用的语音部分提取出来（即将头部和尾部的静音部分除掉），然后用LPC算法提取语音信号的特征参数，进行动态归整(DTW算法)后与模板库里面的标准语音作比较，最后将识别结果进行D/A转化后播放出来。在本部分的设计中，则主要完成语音识别的模式匹配算法部分的软件实现。 1 为什么要用DTW算法 孤立词识别方案主要有： （1）采用动态规划（Dynamic Programming）的方法。这是一种运算量较大，但技术上较简单，正识率也较高的方法。其中的失真测度可以用欧氏距离(适于短时谱或倒谱参数)，也可以用对数似然比距离(适于参数)决策方法可用最近邻域准则 （2）采用矢量量化
3、（ectoruantization）的方法它既可用于语音通信中的波形或参数的压缩，也可用于语音识别尤其有限状态矢量量化(FSVQJ）方法，对于语音识别更为有效。决策方法一般用最小平均失真准则。 （3）采田隐马尔柯夫横型(HMM)的方法，该模型的参数既可以用离散概率分布函数，也可以用最新的连续概率密度函数(如：正态高斯密度，高斯自回归密度等）。决策方法则用最大后验概率准则 （4）采用混合技术的方法。例如：用矢量量化作为第一级识别(作为预处理，从而得出若干候选的识别结果），然后，再用DTW或HMM方法做最后的识别，因此，可有QDTW和HMM等识别方法 目前,语音识别的匹配主要应用HMM和DTW两种
4、算法。DTW算法由于没有一个有效地用统计方法进行训练的框架，也不容易将低层和顶层的各种知识用到语音识别算法中，因此在解决大词汇量、连续语音、非特定人语音识别问题时较之HMM算法相形见绌。HMM是一种用参数表示的,用于描述随机过程统计特性的概率模型。而对于孤立词识别,HMM算法和DTW算法在相同条件下,识别效果相差不大, 又由于DTW算法本身既简单又有效，但HMM算法要复杂得多。它需要在训练阶段提供大量的语音数据,通过反复计算才能得到参数模型,而DTW算法的训练中几乎不需要额外的计算。鉴于此,DTW更适合本系统的要求。 2 DTW算法原理 在孤立词语音识别中，最为简单有效的方法是采用DTW（Dy
5、namic Time Warping，动态时间归整）算法，该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法。用于孤立词识别，DTW算法与HMM算法在训练阶段需要提供大量的语音数据，通过反复计算才能得到模型参数，而DTW算法的训练中几乎不需要额外的计算。所以在孤立词语音识别中，DTW算法仍然得到广泛的应用。 无论在训练和建立模板阶段还是在识别阶段，都先采用端点算法确定语音的起点和终点。已存入模板库的各个词条称为参考模板，一个参考模板可表示为R=R（1），R（2），R（m），R（M），m为训练语音帧的时序标号，m=1为起点语音帧，m=M为
6、终点语音帧，因此M为该模板所包含的语音帧总数，R（m）为第m帧的语音特征矢量。所要识别的一个输入词条语音称为测试模板，可表示为T=T（1），T（2），T（n），T（N），n为测试语音帧的时序标号，n=1为起点语音帧，n=N为终点语音帧，因此N为该模板所包含的语音帧总数，T（n）为第n帧的语音特征矢量。参考模板与测试模板一般采用相同类型的特征矢量（如MFCC，LPC系数）、相同的帧长、相同的窗函数和相同的帧移。 假设测试和参考模板分别用T和R表示，为了比较它们之间的相似度，可以计算它们之间的距离DT，R，距离越小则相似度越高。为了计算这一失真距离，应从T和R中各个对应帧之间的距离算起。设n和m分
7、别是T和R中任意选择的帧号，dT（n），R（m）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，在DTW算法中通常采用欧氏距离。 若N=M则可以直接计算，否则要考虑将T（n）和R（m）对齐。对齐可以采用线性扩张的方法，如果N1 D2 = D(i-1,j-1); else D2 = realmax; end if j2 D3 = D(i-1,j-2); else D3 = realmax; end D(i,j) = d(i,j) + min(D1,D2,D3); end end dist = D(n,m); 程序中，首先申请两个nm的距阵D和d，分别为累积距离和帧匹配距离。这里n
8、和m为测试模板与参考模板的帧数。然后通过一个循环计算两个模板的帧匹配距离距阵d。接下来进行动态规划，为每个格点（i，j）都计算其三个可能的前续格点的累积距离D1、D2和D3。考虑到边界问题，有些前续格点可能不存在，因此要加入一些判断条件。 最后利用最小值函数min，找到三个前续格点的累积距离的最小值作为累积距离，与当前帧的匹配距离d（i，j）相加，作为当前格点的累积距离。该计算过程一直达到格点（n，m），并将D（n，m）输出，作为模板匹配的结果。 3.2 DTW的高效算法 由于匹配过程中限定了弯折的斜率，因此许多格点实际上是到达不了的，如图3-1所示。因此菱形之外的格点对应的帧匹配距离是不需要
9、计算的。另外也没有必要、保存所有的帧匹配距离距阵和累积距阵，因为每一列各格点上的匹配计算只用到了前一列的三个网格。充分利用这两个特点可以减少计算量和储存空间的需要。 如图3-1所示，把实际的动态弯折分为三段，（1，Xa），（Xa+1，Xb）和（Xb+1，N），其中： 图3-1 匹配路径约束示意图 Xa和Xb都取相近的整数。由此也得出对M和N长度的限制条件： 当不满足以上条件时，认为两者差别实在太大，无法进行动态弯折匹配。 在X轴上的每一帧不再需要与Y轴上的每一帧进行比较，而只是与Y轴上y ，y 间的帧进行比较，y 和y 的计算如下式： 也可能会出现XaXb的情况，此时弯折匹配的三段为（1，Xb
10、），（Xb+1，Xa）和（Xa+1，N）。 对于X轴上每前进一帧，虽然所要比较Y轴上的帧数不同，但弯折特性是一样的，累积距离的更新都是用下式实现的： 由于X轴上每前进一帧，只需要用到前一列的累积距离距阵。每前进一帧都进行更新，即按上式利用前一列的累积距离D和当前列的所有帧匹配的距离d（x，y），求出当前帧的累积距离，保存于矢量d中，再把更新的距离d赋值给D，作为新的累积距离，供下一列使用。如图3-2所示。这样一直前进到X轴上最后一列，矢量D的第M个元素即为两个模板动态弯折的匹配距离。 图3-2 累积距离矢量的动态更新 用这种方法实现的另一种DTW算法的代码如下： function dist = dtw(test, ref) global x y_min y_max global t r global D d global m n t = test; r = ref; n = size(t,1); m = size(r,1); d = zeros(m,1); D = one
