語音識別之MFCC特征提取-文檔資料

1、語音識別之語音識別之MFCCMFCC特征提取特征提取報告人：湯旭國學號：11303490933/8/2022語音識別應(yīng)用語音識別應(yīng)用預處理模塊預處理模塊：對輸入的原始語音信號進行處理濾除掉不重要的信息及背景噪聲語音分幀（近似認為語音信號在10-30ms內(nèi)是短時平穩(wěn)的）預加重（提升高頻部分）等處理特征提取特征提?。喝コZ音信號中對于語音識別無用的冗余信息保留反映語音本質(zhì)特征的信息 即提取出反映語音信號特征的關(guān)鍵特征參數(shù)形成特征矢量 序列，以便用于后續(xù)處理聲學模型訓練：聲學模型訓練：根據(jù)訓練語音庫的特征參數(shù)訓練出聲學模型參數(shù) 在識別時可以將待識別的語音的特征參數(shù)同聲學模型進行匹配，得到識別結(jié)果。語

2、言模型訓練：語言模型訓練：語言模型是用來計算一個句子出現(xiàn)概率的概率模型。 它主要用于決定哪個詞序列的可能性更大，或者在出現(xiàn)了幾個詞的情況下預測下一個即將出現(xiàn)的詞語的內(nèi)容。語音解碼和搜索算法：語音解碼和搜索算法：針對輸入的語音信號，根據(jù)己經(jīng)訓練好的HMM聲學模型、語言模型及字典建立一個識別網(wǎng)絡(luò)根據(jù)搜索算法在該網(wǎng)絡(luò)中尋找最佳的一條路徑，這個路徑就是能夠以最大概率輸出該語音信號的詞串語音是怎么產(chǎn)生語音是怎么產(chǎn)生 人通過改變聲道的shape發(fā)出的不同聲音。聲道的shape包括舌頭，牙齒等。 我們可以分析不同聲道產(chǎn)生的語音短時功率譜的包絡(luò)識別語音 MFCCs（Mel Frequency Cepstral

3、 Coefficents）是一種能準確描述這個包絡(luò)的特征，在語音識別人工特征方面，可謂是一枝獨秀主要的幾個概念聲譜圖（Spectrogram）倒譜分析（Cepstrum Analysis）Mel頻率分析（Mel-Frequency Analysis）梅爾倒頻譜系數(shù)（Mel-Frequency Cepstral Coefficients）一、聲譜圖（一、聲譜圖（Spectrogram）FFT FFT FFT 一、聲譜圖（一、聲譜圖（Spectrogram）一、聲譜圖（一、聲譜圖（Spectrogram）一、聲譜圖（一、聲譜圖（Spectrogram）一、聲譜圖（一、聲譜圖（Spectrogram

4、）一、聲譜圖（一、聲譜圖（Spectrogram）一、聲譜圖（一、聲譜圖（Spectrogram）一、聲譜圖（一、聲譜圖（Spectrogram）一、聲譜圖（一、聲譜圖（Spectrogram）一、聲譜圖（一、聲譜圖（Spectrogram）二、二、Cepstrum Analysis峰值表示語音的主要頻率成分，我們把這些峰值稱為共振峰（formants）共振峰攜帶了聲音的辨識屬性（就是個人身份證一樣，所以它特別重要）。用它就可以識別不同的聲音。如何提??？二、二、Cepstrum Analysis語音信號序列時域：x(n)=h(n)*e(n)頻域：X(K)=H(K)E(K)為了較好地將語音信號中

5、的激勵信號和聲道響應(yīng)分離倒譜：log|Xk |= log |Hk |+ log |Ek |二、二、Cepstrum Analysis慢變化的包絡(luò)快變化的周期化細致結(jié)構(gòu)二、二、Cepstrum Analysis我們需要把這兩部分分離開-卷積同態(tài)系統(tǒng)二、二、Cepstrum Analysis二、二、Cepstrum Analysis二、二、Cepstrum AnalysisMel-Frequency Analysis現(xiàn)在給我們一段語音，我們可以得到它的頻譜包絡(luò)（連接所有共振峰值點的平滑曲線）理論我們可以得到特征向量，但是Mel-Frequency Analysis人類聽覺感知的實驗表明:聽覺系統(tǒng)是一個特殊的非線性系統(tǒng)，它響應(yīng)不同頻率信號的靈敏度是不同的，人耳就像一個濾波器組這些濾波器在頻率坐標軸上不是統(tǒng)一分布的 在低頻區(qū)域，分布密集 在高頻區(qū)域，分布稀疏 如果在語音識別系統(tǒng)中能模擬人類聽覺感知處理特點，就有可能提高語音的識別率Mel-Frequency Analysis梅爾頻率倒譜系數(shù)（Mel Frequency Cepstrum Coefficient, MFCC）考慮了人類的聽覺特征，先將線性頻譜映射到基于聽覺感知