《基于倒谱的大学生语音识别算法研究毕业论文》由会员分享，可在线阅读，更多相关《基于倒谱的大学生语音识别算法研究毕业论文（61页珍藏版）》请在金锄头文库上搜索。
1、LANZHOU UNIVERSITY OF TECHNOLOGY毕业论文 题目： 基于倒谱的大学生语音识别算法研究 College StudentsSpeech Recognition Algorithm based onCepstrum摘要语音是人类最重要的交流工具，随着电子计算机和人工智能机器的广泛应用，人们发现人和机器之间最好的通信方式是语言通信，而语音是语言的声学表现形式。要使机器听的懂人话，就要对语音信号进行处理。随着信息技术的不断发展，尤其是网络技术的日益普及和完善，语音信号处理技术正发挥着越来越重要的作用。为了寻找良好性能的特征、提取重要参数以提高识别系统性能，各种科学的算法应运
2、而生。语音识别的关键技术是提取出语音特征，语音特征有很多，倒谱分析就是其中之一。倒谱法作为信号处理的重要的方法，能够得到比较好的识别性能。本文主要介绍了语音识别技术。基本实现思想是将输入的随机语音信号通过线性变换系统处理为加性信号，用基于Mel频率的倒谱系数（MFCC）以及一些语音信号的固有特征进行倒谱分析。接下来通过对语音倒谱在各个方面的应用进行MATLAB编程仿真，得到语音基音检测和共振峰检测的实验仿真结果。关键词：倒谱；语音识别；共振峰检测；基音检测；兰州理工大学毕业论文AbstractVoice is one of the most important human communicat
3、ion tools. With the widely application of electronic computers and artificially intellective machine, it was discovered that language communication is the best way to communicate between man and machine and the voice was the reflection of the language. If we wanted us understood by the machines, it
4、is necessary to deal with the signal. With the continuous development of IT, especially the popularity of network and perfect system, voice signal processing technology plays an increasingly important role. In order to find a good performance characteristics and extract important parameters to impro
5、ve the performance of the recognition system, a variety of scientific algorithms have been emerged. The key technology of voice recognition is extracting voice features. While there are many voice features, cep-strum analyses is one of them. The cep-strum, as one of the important signal processing m
6、ethods, can get better recognition performance. This paper mainly introduce the voice recognition technology. The basic idea is to casually input voice signal and transform the signal by using additive signal to linear transformation, and use the methods based on Mel(MFCC) frequency as well as some
7、of the speech signal to cep-strum analyze. And then by the usage of the voice spectrum of applications in all aspects programs MATLAB simulation, it can get the simulation results of detect voice pitch and formant detection. Keywords: Cepstrum；Voice recognition；Resonance peak detection；Pitch detecti
8、on；目录第1章 绪论11.1研究背景及意义11.2语音信号研究现状11.3主要研究内容3第2章 语音识别技术基本理论52.1语音信号的数字化与预处理52.2语音识别技术模型62.3语音识别技术原理72.4语音识别系统分类82.5语音识别基本方法82.6语音识别系统基本结构10第3章 倒谱系数分析原理133.1倒谱分析的优点和缺点133.2复倒谱和倒谱的定义133.3复倒谱与倒谱的关系143.4 MFCC153.4.1 MFCC介绍153.4.2 MFCC的原理153.4.3 Mel频率倒谱系数提取过程163.4.4 MFCC算法流程173.4.5 MATLAB中的设计与实现17第4章 语音倒
9、谱的应用194.1倒谱的MATLAB实现194.2倒谱在同态信号处理系统的应用194.3倒谱在基音检测方面的应用214.4倒谱在共振峰检测方面的应用234.4.1 共振峰的概念244.4.2 基于倒谱的共振峰的算法24第5章 倒谱法提取基音频率和共振峰255.1 倒谱法提取基音频率255.1.1 提取基音的方法255.1.2 倒谱分析算法的原理255.1.3 MATLAB中的设计与实现265.2 倒谱法提取共振峰275.2.1 提取共振峰的方法275.2.2 倒谱法的原理275.2.3 MATLAB中的设计与实现27第6章 结论与展望306.1 主要工作总结306.2 后续工作及展望30参考文
10、献31附录32I 相关程序32II 外文资料原文38III 外文资料翻译44致谢55第1章 绪论1.1研究背景及意义语音是语言的声学表现,是人类交流信息最自然、最有效、最方便的手段。人类开始进入信息化时代,用现代手段研究语音处理技术,使人们能更加有效地产生、传输、存储和获取语言信息,这对于促进社会的发展具有十分重要的意义。语音作为当前通讯系统中最自然的通信媒介,随着计算机和语音处理技术的发展,不同语种之间的语音一语音翻译将成为语音研究的热点。随着我国改革开放和对外合作的不断深化,商务往来、文化交流、跨国旅游等活动日益频繁,越来越多的人需要学习一门外语。学习外语存在的主要问题是发音不准确,传统的
11、外语教学方法有着种种不足之处。例如,课堂教学通常受时间、地点以及教师教学水平的限制;广播电视教学和录音录像教学等教学手段不够灵活,无法及时地分析学习者存在的问题,因此也就不能及时地、有针对性地反馈指导意见。利用计算机来帮助外语教学是帮助提高外语水平的重要方法之一。在非母语的语言学习中,以计算机辅助使用者进行非母语学习(Computer-AssistedLanguageLeaming,CALL)己受到相当重视,各方也纷纷投入相关的研究。语音识别技术，也称为自动语音识别，其是为了将人类的语音中的词汇内容转换为计算机可读的输入，例如二进制编码、按键或者字符序列。与说话人确认及说话人识别不同，前者尝试
12、识别或确认发出语音的说话人而非其中的词汇内容。语音识别的关键是提取出语音特征，而语音特征有很多，倒谱系数分析是其中一种。在语音信号处理中可以常用倒谱域来提取语音的共振峰与基音频率，用于语音识别。倒谱系数是一种非常有效表征语音特征的参数矢量, 倒谱具有解卷的特性, 它能将语音信号的声门激励信息和声道响应信息分离开，因此倒谱是说话人识别和语音识别中最常用的特征参数之一。1.2语音信号研究现状声学是物理学的一个分支学科，而语言声学又是声学的一个分支学科。它主要的研究方向是人的发声器官机理，发声器官的类比线路和数学模型，听觉器官的特性(如听阈、掩蔽、临界带宽、听力损失等) ，听觉器官的数学模型，语音信
13、号的物理特性(如频谱特性、声调特性、相关特性、概率分布等) ，语音的清晰度和可懂度等。当今通信和广播的发展非常迅速，语言广播和语言通信仍然是最重要的部分，而语言声学则是这些技术科学的基础。语言声学的发展和电子学以及计算机科学有着非常密切的关系。 在它发展的过程中，有过几次飞跃：第一次飞跃是1907年电子管的发明和1920年无线电广播的出现。 因为有了电子管放大器,很微弱的声音也可以放大，而且可以定量测量。从而使电声学和语言声学的一些研究成果，扩展到通信和广播部门。第二次飞跃应该是20世纪70年代初,由于电子计算机和数字信号处理的发展，人们发现：声音信号特别是语音信号，可以通过模数转换器(A /
14、D)采样和量化，它们转换为数字信号后，能够送进计算机。这样就可以用数字计算方法，对语音信号进行处理和加工。例如频谱分析可以用傅里叶变换或快速傅里叶变换( FFT)实现，数字滤波器可以用差分方程实现。在这个基础上，逐渐形成了一门新学科语音信号处理。它的发展很快，在通信、自动控制等领域，解决了很多用传统方法难以解决的问题。在信息科学中占有很重要的地位，其中语音识别的研究也开始了飞速的发展。语音识别的研究工作可以追溯到20世纪50年代AT&T贝尔实验室的Audry系统，它是第一个可以识别十个英文数字的语音识别系统。但真正取得实质性进展，并将其作为一个重要的课题开展研究则是在60年代末70年代初。这首
15、先是因为计算机技术的发展为语音识别的实现提供了硬件和软件的可能，更重要的是语音信号线性预测编码（LPC）技术和动态时间规整（DTW）技术的提出，有效的解决了语音信号的特征提取和不等长匹配问题。这一时期的语音识别主要基于模板匹配原理，研究的领域局限在特定人，小词汇表的孤立词识别，实现了基于线性预测倒谱和DTW技术的特定人孤立词语音识别系统；同时提出了矢量量化（VQ）和隐马尔可夫模型（HMM）理论。随着应用领域的扩大，小词汇表，特定人，孤立词等这些对语音识别的约束条件需要放宽，与此同时也带来了许多新的问题：第一，词汇表的扩大使得模板的选取和建立发生困难；第二，连续的语音中，各个音素、音节以及词之间没有明显的边界，各个发音单位存在受上下文强烈影响的协同发音（Co-articulation）现象；第三，在非特定人识别时，不同的人说相同的话相应的声学特征有很大的差异，即使相同的人在不同的时间、生理、心理状态下，说同样内容的话也会有很大的差异；第四，识别的语音中有背景噪声和其他干扰。因此原有的模板匹配方法已不再适用。20世纪90年代前期，许多著名的大公司如苹果、IBM、NTT和AT&T都对语音识别系统的实用化研究投以巨资。语音识别技术有一个很好的评估机制，那就是识别的准确率，而这项指标在2
