典型簡單模板匹配語音識(shí)別方式技術(shù)研究

范崇山　陳新偉　羅智榮　劉樂　林秋文

【摘 要】本文從人類語言交流系統(tǒng)模型中獲取思路，重點(diǎn)研究小詞匯量、詞語間相互獨(dú)立的基于簡單模板匹配工作原理的語音識(shí)別模式。本文在語音識(shí)別的預(yù)處理、特征提取等環(huán)節(jié)深入討論，并進(jìn)行了一系列仿真實(shí)驗(yàn)對典型簡單模板匹配語音識(shí)別方式中的使用技術(shù)如：語音信號(hào)模型的建立、窗函數(shù)等做出清晰地說明。

【關(guān)鍵詞】語音識(shí)別；簡單模板匹配；預(yù)處理；特征提取

1 語音識(shí)別技術(shù)原理

語音識(shí)別是為了讓機(jī)器“懂”我們的語言，準(zhǔn)確無誤地識(shí)別出我們發(fā)出語音內(nèi)容，并且做出符合語音內(nèi)容的一系列動(dòng)作，執(zhí)行我們的意圖。分析人類語言交流通信的過程，可以啟發(fā)我們的研究思路。對人類語音通信流程[1-2]分析如圖1。

由人類語音通信流程框圖可以看出，人類發(fā)出語音過程如圖左半部分，語音理解過程如圖右半部分。語音識(shí)別包括兩種含義，一是：將人類說的話轉(zhuǎn)換成文字，二是：在充分理解口述語音的基礎(chǔ)上，不僅僅是將語音轉(zhuǎn)換為文字信息，而且對語音內(nèi)容也要作出正確響應(yīng)[3]。在此，本文認(rèn)為語音識(shí)別和語音理解意義等同，所以可用圖1右側(cè)部分流程可將語音識(shí)別過程。

目前語音識(shí)別技術(shù)應(yīng)用中大部分都是小詞匯量，詞語間相互獨(dú)立基于簡單模板匹配工作原理的識(shí)別模式。針對這種典型的語音識(shí)別模式，原理流程路線圖[4]如圖2所示：

1.1 基于發(fā)音模型的語音信號(hào)產(chǎn)生模型

語音信號(hào)的產(chǎn)生是語音識(shí)別技術(shù)的基石，在語音信號(hào)處理的大部分過程中對語音信號(hào)產(chǎn)生模型有很強(qiáng)的依賴性。本文研究過程中，首先對人類發(fā)音過程進(jìn)行了解：人類發(fā)音流程是首先肺部收縮，迫使氣流通過聲門和聲道引起音頻震蕩產(chǎn)生[3]。根據(jù)人的聲道三種不同激勵(lì)方式，分別對應(yīng)產(chǎn)生了三種被大家熟知的發(fā)音類型，分別是濁音，摩擦音或清音，爆破音。

語音信號(hào)可看做由線性系統(tǒng)受到激勵(lì)信號(hào)的激勵(lì)輸出產(chǎn)生。如圖3是基于發(fā)音模型的語音信號(hào)產(chǎn)生模型流程圖：

如圖3建立的語音信號(hào)產(chǎn)生模型中認(rèn)為濁音是周期為N0的沖激信號(hào)，且N0=fs/F0（其中F0是基音頻率，fs是采樣頻率）。清音認(rèn)為是一個(gè)均值為0，幅值是正態(tài)分布的波形信號(hào)。參數(shù)Av，Au分別用來調(diào)節(jié)濁音和清音的幅值。

從已有語音識(shí)別技術(shù)研究結(jié)果可知，窗函數(shù)類型眾多，使用不同形式的窗函數(shù)對短時(shí)分析處理語音信號(hào)結(jié)果有很大的影響。已知目前應(yīng)用最廣泛的窗函數(shù)是漢明窗，結(jié)合仿真實(shí)驗(yàn)分析可以看出：高斯窗函數(shù)的橫向主瓣寬度最小，但其縱向旁瓣高度最高；漢明窗函數(shù)的橫向主瓣寬度最寬，縱向旁瓣高度是三種窗函數(shù)中最低的。

2.3 端點(diǎn)檢測

語音信號(hào)的起始點(diǎn)是語音信號(hào)處理的關(guān)鍵分界點(diǎn)，端點(diǎn)檢測的目的就是找到連續(xù)語音信號(hào)中的信號(hào)起始點(diǎn)。常用的端點(diǎn)檢測方法有兩種，分別是短時(shí)平均能量和短時(shí)過零率[6]。當(dāng)下流行的端點(diǎn)檢測方法是短時(shí)平均能量和短時(shí)過零率兩者的結(jié)合，稱這種方法為雙門限端點(diǎn)檢測算法[7]。

在實(shí)際問題中通常采用兩者結(jié)合解決問題。本文同樣是采用兩者結(jié)合的方法，利用短時(shí)過零率方法檢測語音信號(hào)波形穿越零電平的次數(shù)，既代表的是清音；用短時(shí)平均能量方法計(jì)算第y幀語音信號(hào)的短時(shí)平均能量E（y），既代表的是濁音，進(jìn)而實(shí)現(xiàn)可靠的端點(diǎn)檢測。

3 特征提取

目前特征是語音信號(hào)預(yù)處理中的重要步驟。在實(shí)際特征提取中，較常采用的參數(shù)是線性預(yù)測倒譜系數(shù)（LPCC）和Mel倒譜系數(shù)（MFCC）。二者采用的均是時(shí)域轉(zhuǎn)換到倒譜域上，但是出發(fā)思路兩者不同。線性預(yù)測倒譜系數(shù)（LPCC）以人類發(fā)聲模型為基礎(chǔ)，采用線性預(yù)測編碼（LPC）技術(shù)求倒譜系數(shù)；Mel倒譜系數(shù)（MFCC）以人類聽覺模型為基礎(chǔ)，通過離散傅利葉變換（DFT）進(jìn)行變換分析。

其中k表示第k個(gè)濾波器，Hm（k）表示第k個(gè)mel濾波器組，f（m）為中心頻率，m=1，2，…K，K表示濾波器個(gè)數(shù)。

經(jīng)過仿真實(shí)驗(yàn)分析比較，可以分析得出Mel倒譜系數(shù)（MFCC）參數(shù)較線性預(yù)測倒譜系數(shù)（LPCC）參數(shù)的優(yōu)點(diǎn)，優(yōu)點(diǎn)如下：

（1）語音低頻信號(hào)是語音信息的聚集區(qū)，高頻信號(hào)相對低頻語音信號(hào)更容易受到周圍環(huán)境等的干擾。Mel倒譜系數(shù)（MFCC）將線性頻標(biāo)轉(zhuǎn)化為Mel頻標(biāo)，強(qiáng)調(diào)語音的低頻信息，從而突出了有利于識(shí)別的信息，屏蔽了噪聲的干擾[8]。LPCC參數(shù)是基于線性頻標(biāo)的，所以沒有這一特點(diǎn)；

（2）MFCC參數(shù)無任何假設(shè)前提，在各種語音信號(hào)預(yù)處理情況下均可使用，但是LPCC參數(shù)首先假定所處理的語音信號(hào)是AR信號(hào)，對于動(dòng)態(tài)特性較強(qiáng)的輔音，這個(gè)假設(shè)并不嚴(yán)格成立[8]；

（3）MFCC參數(shù)提取過程中需要經(jīng)過FFT變換，我們可以順便獲得語音信號(hào)頻域上的全部信息，不需要多花費(fèi)時(shí)間處理，有利于端點(diǎn)檢測、語音分段等算法實(shí)現(xiàn)[8]。

4 訓(xùn)練與識(shí)別

訓(xùn)練和識(shí)別是語音識(shí)別的中心內(nèi)容，有很多專家學(xué)者研究了一系列成果。語音識(shí)別實(shí)質(zhì)是模式匹配的過程，而對分類器和分類決策的設(shè)計(jì)[9]又是模式匹配的核心。在現(xiàn)有的分類器設(shè)計(jì)[10-11]中，經(jīng)常使用的有：動(dòng)態(tài)時(shí)間規(guī)整（Dynamic Time Warping，DTW）分類器、基于人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）分類器、基于高斯混合模型（GMM）分類器、基于Bayes規(guī)則的分類器、基于HMM分類器[12]等。

本文重點(diǎn)討論語音信號(hào)預(yù)處理中技術(shù)及實(shí)現(xiàn)，對訓(xùn)練和識(shí)別技術(shù)不再做研究描述。

【參考文獻(xiàn)】

[1]尹巖巖.基于語音識(shí)別與合成的低速率語音編碼研究[D].上海師范大學(xué)，2013.

[2]張偉偉.通信系統(tǒng)中語音質(zhì)量評價(jià)的研究[D].北京郵電大學(xué)，2014.

[3]朱淑琴.語音識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究[D].西安電子科技大學(xué)，2004.

[4]王偉臻.基于神經(jīng)網(wǎng)絡(luò)的語音識(shí)別研究[D].浙江大學(xué)，2008.

[5]鐘林鵬.說話人識(shí)別系統(tǒng)中的語音信號(hào)處理技術(shù)研究[D].電子科技大學(xué)，2013.

[6]周剛，周萍，楊青.一種簡單的噪聲魯棒性語音端點(diǎn)檢測方法[J].測控技術(shù)，2015，（02）：31-34.

[7]薛勝堯.基于改進(jìn)型雙門限語音端點(diǎn)檢測算法的研究[J].電子設(shè)計(jì)工程，2015，（04）：78-81.

[8]惠博.語音識(shí)別特征提取算法的研究及實(shí)現(xiàn)[D].西北大學(xué)，2008.

[9]張寧.基于決策樹分類器的遷移學(xué)習(xí)研究[D].西安電子科技大學(xué)，2014.

[10]汪云云.結(jié)合先驗(yàn)知識(shí)的分類器設(shè)計(jì)研究[D].南京航空航天大學(xué)，2012.

[11]李楊.基于神經(jīng)網(wǎng)絡(luò)的分類器設(shè)計(jì)及優(yōu)化[D].安徽農(nóng)業(yè)大學(xué)，2013.

[12]厲小潤，趙光宙，趙遼英.決策樹支持向量機(jī)多分類器設(shè)計(jì)的向量投影法[J]. 控制與決策，2008（07）：745-750.

[責(zé)任編輯：朱麗娜]