论文部分内容阅读
【摘要】针对现有简单语音识别系统的识别率较低、识别速度较慢的问题，在对语音识别原理研究的基础上，对DTW语音识别算法进行了改进，使得简单语音识别系统能够准确、快速的进行识别。
【关键词】语音识别信号处理DTW
一、引言
根据语音识别系统所使用的环境和平台不同，语音识别技术朝着两个方向发展：一个方向是大词汇量的连续语音识别，该方向所处理的语音较为复杂；另一个方向就是向着中小词汇量的孤立词汇语音识别，该方向所处理的语音相对较为简单，应用范围也有一定的限制，如玩具、语音导航等。虽然简单语音识别系统对于能识别的词汇量没有太高的要求，但是目前的一些简单语音识别系统的识别速度慢、识别率较低，导致用户体验较差。
二、语音识别系统原理
语音识别在本质上属于模式识别的范畴，其系统结构与模式识别具有相似之处：根据相关的识别算法对语音信号进行特征参数的提取，然后先进行学习后再对语音信号进行识别。在学习阶段，通过给出的训练数据建立起参考模板库；在识别阶段，将待识别语音信号的特征参数与参考模板库中的参数进行对比，得到与待识别语音信号最接近的模板，输出该模板作为语音识别的结果。
三、简单语音识别系统的改进与实现
DTW在简单语音识别中已经可以达到较高的识别率，因此本文选择DTW作为语音识别的模式匹配算法，并对端点检测进行一定的改进来实现语音识别系统的设计。
3.1端点检测的改进
在进行端点检测前，为短时平均能量和短时过零率设定两个门限值。在静音段，当短时平均能量或短时过零率大于低门限值，则开始准备标记语音起点，由此进入过渡段。但是在过渡段中并不能确定是否真正进入语音段，当短时平均能量和短时过零率都小于低门限值时认为是噪音，并不记录语音起点，恢复为静音段；当短时平均能量或短时过零率大于高门限值，则认为是真正的语音片段，将状态进入语音段。进入语音段后还要记录语音段持续时间，若该段时间较短则认为是噪声，继续检测后面的语音，如果满足一定的时间长度则标记语音起点并将其记录为一段语音。
3.2DTW的改进
DTW的核心思想是进行动态规划，从而解决了语音识别中的发音长度不一致的匹配问题。在进行DTW时，通过动态匹配找到一个最佳路径，把语音信号的特征参数通过这条最佳路径映射到参考模板库中，这条最佳路径要求语音信号和参考模板之间的累积距离最小。
经典的DTW算法规定待识别语音信号和模板中信号的首尾必须完全一致，但是端点检测确定的首尾与实际存在一定的误差，造成识别率有所下降。为此，可以对DTW的端点的限制适当放宽。即允许起点在（0，0）、（0，m）或者（n，0）上，终点在（N，M）、（N，J）或者（I，M）上。端点要求放宽后对端点检测精度的要求就降低了，提高了识别的速度和精度。
虽然语音的速度不同，但是语序是确定不变的，因此路径中每一点的斜率必然大于0。而为了防止过度搜素浪费资源，可以对搜索路径的斜率加以限制，由于语音信号的扩压是有限的，因此可以舍去那些向X轴或者Y轴过度倾斜的路径。具体做法是：将搜索路径中每个点的最大斜率设为2，最小斜率设为0.5，这样就可以大大降低搜索范围，减少了计算量，提高了识别速度。
另外，还可以在进行相似度匹配时设定一个合理的阈值，如果计算出的某一部分的相似度与该阈值相差太远，则立即认为待识别语音与当前模板不匹配，转而进入与下一个模板的相似度计算，这样就可以减少大量的计算量，从而提高简单语音识别的速度。
3.3实验及数据
在实验室较安静的环境下对男女声识别进行了测试。发音内容为0～9的数字，采样率为24KHz，帧长20ms，帧移10ms，识别正确率达到了95%以上，原DTW算法的孤立字识别时间是6～7s，而采用本文改进算法的识别时间减少到2～5s。因此，本文方法可以实现快速准确的简单语音识别。
四、结束语
采用本文方法可以有效提高端点检测的精度、语音识别的正确率和识别速度，该方法完全满足简单语音识别系统的应用。
参考文献
[1]张振锋.基于小词汇量孤立词语音识别系统的研究与设计[D].长安大学，2007.
[2]刘建辉，卢珞先，黄涛.一种小词汇量快速语音识别系统的实现[J].武汉理工大学学报，2006（28）.
[3]龚伟.小词汇量孤立词语音识别系统的DSP实现[J].低压电器，2009（20）.
【关键词】语音识别信号处理DTW
一、引言
根据语音识别系统所使用的环境和平台不同，语音识别技术朝着两个方向发展：一个方向是大词汇量的连续语音识别，该方向所处理的语音较为复杂；另一个方向就是向着中小词汇量的孤立词汇语音识别，该方向所处理的语音相对较为简单，应用范围也有一定的限制，如玩具、语音导航等。虽然简单语音识别系统对于能识别的词汇量没有太高的要求，但是目前的一些简单语音识别系统的识别速度慢、识别率较低，导致用户体验较差。
二、语音识别系统原理
语音识别在本质上属于模式识别的范畴，其系统结构与模式识别具有相似之处：根据相关的识别算法对语音信号进行特征参数的提取，然后先进行学习后再对语音信号进行识别。在学习阶段，通过给出的训练数据建立起参考模板库；在识别阶段，将待识别语音信号的特征参数与参考模板库中的参数进行对比，得到与待识别语音信号最接近的模板，输出该模板作为语音识别的结果。
三、简单语音识别系统的改进与实现
DTW在简单语音识别中已经可以达到较高的识别率，因此本文选择DTW作为语音识别的模式匹配算法，并对端点检测进行一定的改进来实现语音识别系统的设计。
3.1端点检测的改进
在进行端点检测前，为短时平均能量和短时过零率设定两个门限值。在静音段，当短时平均能量或短时过零率大于低门限值，则开始准备标记语音起点，由此进入过渡段。但是在过渡段中并不能确定是否真正进入语音段，当短时平均能量和短时过零率都小于低门限值时认为是噪音，并不记录语音起点，恢复为静音段；当短时平均能量或短时过零率大于高门限值，则认为是真正的语音片段，将状态进入语音段。进入语音段后还要记录语音段持续时间，若该段时间较短则认为是噪声，继续检测后面的语音，如果满足一定的时间长度则标记语音起点并将其记录为一段语音。
3.2DTW的改进
DTW的核心思想是进行动态规划，从而解决了语音识别中的发音长度不一致的匹配问题。在进行DTW时，通过动态匹配找到一个最佳路径，把语音信号的特征参数通过这条最佳路径映射到参考模板库中，这条最佳路径要求语音信号和参考模板之间的累积距离最小。
经典的DTW算法规定待识别语音信号和模板中信号的首尾必须完全一致，但是端点检测确定的首尾与实际存在一定的误差，造成识别率有所下降。为此，可以对DTW的端点的限制适当放宽。即允许起点在（0，0）、（0，m）或者（n，0）上，终点在（N，M）、（N，J）或者（I，M）上。端点要求放宽后对端点检测精度的要求就降低了，提高了识别的速度和精度。
虽然语音的速度不同，但是语序是确定不变的，因此路径中每一点的斜率必然大于0。而为了防止过度搜素浪费资源，可以对搜索路径的斜率加以限制，由于语音信号的扩压是有限的，因此可以舍去那些向X轴或者Y轴过度倾斜的路径。具体做法是：将搜索路径中每个点的最大斜率设为2，最小斜率设为0.5，这样就可以大大降低搜索范围，减少了计算量，提高了识别速度。
另外，还可以在进行相似度匹配时设定一个合理的阈值，如果计算出的某一部分的相似度与该阈值相差太远，则立即认为待识别语音与当前模板不匹配，转而进入与下一个模板的相似度计算，这样就可以减少大量的计算量，从而提高简单语音识别的速度。
3.3实验及数据
在实验室较安静的环境下对男女声识别进行了测试。发音内容为0～9的数字，采样率为24KHz，帧长20ms，帧移10ms，识别正确率达到了95%以上，原DTW算法的孤立字识别时间是6～7s，而采用本文改进算法的识别时间减少到2～5s。因此，本文方法可以实现快速准确的简单语音识别。
四、结束语
采用本文方法可以有效提高端点检测的精度、语音识别的正确率和识别速度，该方法完全满足简单语音识别系统的应用。
参考文献
[1]张振锋.基于小词汇量孤立词语音识别系统的研究与设计[D].长安大学，2007.
[2]刘建辉，卢珞先，黄涛.一种小词汇量快速语音识别系统的实现[J].武汉理工大学学报，2006（28）.
[3]龚伟.小词汇量孤立词语音识别系统的DSP实现[J].低压电器，2009（20）.