MATLAB环境下的基于HMM模型的语音识别系统

维普资讯 doc.xuehai.net

计算机测量与控制 . 0 4 1 ( ) 2 0 . 2 5

4 0 7

Co u e e s rm e t& Co to mp tr M a u e n nr l

文章编号：6 1 5 82 0}5 0 7—0 17—49{0 40— 4 0 3

中图分类号： P 1 T 3

文献标识码： B

MA L B环境下的基于 HMM模型的语音识别系统 TA 郭圣权，连晓峰 (华北工学院自动控制系，山西太原 00 5 ) 301 摘要：在 MA L B环境下利用语音工具箱 V i o T A o e x实现基于连续概率密度隐含马尔科夫模型的汉语语音识别系 cB

统。在实时录音的情况下，利用该语音识别系统，不同的人对 2 0条 2~8个字的语音命令进行识别，准确率可达到 9%,识别时间 15,实现了小词汇量连续语音的非特定人的实时识别。 5 .~3S 关键词：语音识别；MA L B T A;连续概率密度隐含马尔科夫模型 ( D MM) CH

S e c c g ii n S s e Ba e n HM M n M ATLAB v r n e t p e h Re o n to y t m s d o i En io m n Gu e g u n, Lin Xio e g o Sh n q a a a fn ( e t f tmai C n rl D p .o o t o to,Not hn nt ue f c n lg,Ta un 0 0 5,C ia Au c rhC iaIsi t o h o y t Te o i a 3 0 1 hn ) y Ab ta t sr c:Us gVoc i n i e—Bo xama d r pe hrcg ii v tn sraie ae n C _ n ai s ec eo nt n sse 1i el db sdo DI、 n o z玎 d rte( cm' a c o t a—t e h 5 t￣tn r e fh r l i e e me i兀 A e vrn n .Un nM ( B n i me t o— i 0s e c t n2 p ehu—也，dfee t:o l Osyteo￣tdwod i r 1 pet a h mn e fn￣ rswhc n ld i hicu e2-8谳

trn e, t e ay cn rah9 ea os h a￣rc a c 5%,a d t e on t nt ewen 1 5~3 sc n hss se e e n h rcg ii i i b t e . e o me s eo d i ti ytm. s n Ke

r s se c eo n t n; MATLAB;C n iu ywo d: p eh rc g ii o o t o’SDe iy Hid n M ak v Mo e n n t d e r o d l s

O引言

1 s 0m, ( )为输入的语音信号，为第 i的第 帧

个样本。系统界面如图 1所示。 目，于语音识别的方法有基于动态时轴归整 12语音信号特征参数提取- 2前用 . l] - (T D W)技术的模板匹配法、基于概率统计的 H MM法语音信号特征参数的提取是语音识别的一个重要环节。目前常用的方法是基于人的发音器官建立声道模型和基于听觉器官建立听觉模型。基于听觉模型得到的 ME倒谱系数 ( l r unyC pt m ofc ns L Me—Fe ec es u C e iet q r fi, MF C C )比基于声道模型得到的 L C倒谱系数更符合人 P耳的听觉特性，在有信道噪声和频谱失真的情况下，能

和基于人工神经网络 ( N A N)的最优搜索法。

1系统过程设计 1 1实时录音和端点检测控件 - . l J A te c vX控件是 Mioot司制订的一种软件接口 i c sf公 r 标准，在 MA L B中，通常是将 A t e TA cvX控件嵌入到 i

f ue i r窗口中，以 G程序的方式使用。通过 A te 产生更高的识别精度。 g UI cvX i MF C建立在 F ui频谱分析基础上，首先利用 C or r e录音控件可实现与 MA L B主程序的双向交互。当录 TA

音控件录音完成并进行端点检测后，向主程序发送一个人耳的感知特性，在语音的频谱范围内设置若干个带通事件，通知主程序读取语音数据及短时参数信息等 .端滤波器，每个滤波器具有三角形或正弦形滤波特性，然 点检测算法主要采用短时平均能量和短时平均过零率作为判决的主要特征。 h/

() ; i=∑ (计算第 i )帧的短时能量； I

N一1

zri=∑ f ) ( 1 f计算第 i c()五(一+ ) 帧 的过零率本系统采用 8kI采样频率、1 i I - z 6b、单声道 t的 P M录音格式，帧长 N为 3 s C 0m,帧移 M为 收稿日期：o3 0—1 20— 8 0基金项目：山西省自然科学基金资助项目

作者简介：郭圣权 (9 9,山西省定襄县人， 13一)男， 教授，主要从事导航、制导

及语音识别在导航定位系统中的应用。 图 1语音输入与端点检测界面

第1页下一页