語(yǔ)音喚醒技術(shù)是一種特別的語(yǔ)音識(shí)別技術(shù),隨著移動(dòng)互聯(lián)網(wǎng)和人工智能時(shí)代的來(lái)臨被應(yīng)用在各種智能化設(shè)備上。語(yǔ)音喚醒經(jīng)常扮演一個(gè)開(kāi)啟系統(tǒng)的入口角色,在手機(jī)助手、車(chē)載環(huán)境和智能家居環(huán)境運(yùn)用得尤其多。語(yǔ)音喚醒技術(shù)一直在發(fā)展前行,但是在實(shí)際應(yīng)用場(chǎng)景中還面臨著噪聲、遠(yuǎn)場(chǎng)等環(huán)境下識(shí)別效果差,在一些計(jì)算性能低的平臺(tái)還面臨著相對(duì)計(jì)算復(fù)雜度高、資源占用大的問(wèn)題。本文主要針對(duì)以上問(wèn)題,對(duì)聲學(xué)模型進(jìn)行優(yōu)化,應(yīng)用相對(duì)計(jì)算復(fù)雜度較低的解碼算法,致力于提升語(yǔ)音喚醒系統(tǒng)的性能,同時(shí)還將語(yǔ)音喚醒系統(tǒng)應(yīng)用在實(shí)際工程中,實(shí)現(xiàn)算法的移植。本文的主要工作包括:1、為提升噪聲和遠(yuǎn)場(chǎng)環(huán)境下語(yǔ)音喚醒系統(tǒng)的準(zhǔn)確性,將數(shù)據(jù)集進(jìn)行加噪和模擬遠(yuǎn)場(chǎng)處理,訓(xùn)練多結(jié)構(gòu)、精簡(jiǎn)的語(yǔ)音喚醒專用聲學(xué)模型,并使用Viterbi算法進(jìn)行路徑搜索,實(shí)現(xiàn)基于HMM/Filler的語(yǔ)音喚醒系統(tǒng)。2、實(shí)現(xiàn)基于置信度解碼計(jì)算的專用喚醒詞與可定制喚醒詞的語(yǔ)音喚醒系統(tǒng)。經(jīng)過(guò)實(shí)驗(yàn)論證,使用基于置信度計(jì)算的語(yǔ)音喚醒系統(tǒng)相比于基于HMM/Filler的語(yǔ)音喚醒系統(tǒng),能夠獲得更好的識(shí)別性能。3、語(yǔ)音喚醒系統(tǒng)的工程應(yīng)用。將語(yǔ)音喚醒系統(tǒng)的后臺(tái)算法移植到Android平臺(tái),并編寫(xiě)可擴(kuò)展調(diào)用的SDK,在移動(dòng)端驗(yàn)證語(yǔ)音喚醒系統(tǒng)的可行性。
【學(xué)位單位】：廈門(mén)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TN912.34;TP181
【部分圖文】：

２．１引言??語(yǔ)音識(shí)別系統(tǒng)的實(shí)現(xiàn)分為四個(gè)部分：語(yǔ)音信號(hào)處理和特征提取、聲學(xué)模型、??語(yǔ)言模型、解碼搜索。其系統(tǒng)框架圖如圖２．１所示。??語(yǔ)音信號(hào)?識(shí)別１結(jié)果??＾＾，?＇１：?，?１?????（聲學(xué)語(yǔ)抖（ｊ?丨｜解碼搜＿?１??聲學(xué)模型??訓(xùn)練解碼％??．１／，?Ｌ?＼??／ｉ＼?／?Ａ?／＾?八?模廠——‘一７??丨聲學(xué)模型ｉ丨?發(fā)音字典：：語(yǔ)言模型丨耍思一＂丨文本語(yǔ)料：??Ｉ?＼］?＼?ｙ?＼?ｙ?型訓(xùn)紅?＼?＼??圖２．１語(yǔ)音識(shí)別系統(tǒng)架構(gòu)圖??從圖中可以看出，這四個(gè)部分貫穿了整個(gè)語(yǔ)音識(shí)別系統(tǒng)，而從中又可以引出??幾個(gè)更具體的問(wèn)題：??＊語(yǔ)音的存儲(chǔ)及數(shù)字化表示??＊輸入語(yǔ)音流的有效起點(diǎn)和終點(diǎn)檢測(cè)??＊語(yǔ)音的特征提取過(guò)程??＊聲學(xué)模型的選取及其訓(xùn)練方法??＊語(yǔ)言模型的分類及選用??＊解碼方法及其搜索過(guò)程??本章將針對(duì)這些問(wèn)題，從各個(gè)方面對(duì)語(yǔ)音識(shí)別系統(tǒng)進(jìn)行一個(gè)全面的介紹。首??先是對(duì)語(yǔ)音如何存儲(chǔ)表示做一個(gè)說(shuō)明，再者是對(duì)語(yǔ)音的端點(diǎn)檢測(cè)及特征提取問(wèn)題??做一個(gè)介紹。然后是對(duì)傳統(tǒng)的聲學(xué)模型的理論基礎(chǔ)進(jìn)行更加詳細(xì)的介紹。聲學(xué)模??型的選取是語(yǔ)音識(shí)別的重點(diǎn)內(nèi)容，在傳統(tǒng)ＧＭＭ－ＨＭＭ模型應(yīng)用的基礎(chǔ)上，隨著??１１??

１６ＫＨｚ＊１６Ｂｉｔｓ?＝?２５６Ｋｂｐｓ?〇??語(yǔ)音通道數(shù)就是一段語(yǔ)音生成波形的數(shù)量，通常來(lái)說(shuō)分成單聲道以及立體聲??道。單聲道生成一個(gè)波形，立體聲道則生成兩個(gè)波形。如圖２．２是一段１６ＫＨｚ，??１６ｂｉｔｓ的單聲道語(yǔ)音時(shí)域波形圖。??一般來(lái)說(shuō)，語(yǔ)音文件常見(jiàn)的格式有Ｗａｖ、Ａ－ｌａｗ、ｍｐ３等，其中Ｗａｖ是原生??音頻ＰＣＭ加上頭部信息得到的，Ａ－ｌａｗ?—般是８ｋ?８ｂｉｔ的語(yǔ)音，ｍｐ３是經(jīng)過(guò)壓縮??得到的音頻格式。如果想查看音頻的具體信息，可以借助Ｃｏｏｌ?ＥｄｉｔＰｒｏ這一專??業(yè)的軟件進(jìn)行波形圖、頻譜圖等的查看。圖２．２就是通過(guò)ＣｏｏｌＥｄｉｔＰｒｏ得到的語(yǔ)??音波形圖，其內(nèi)容為“你好小一”。??ＨＨＨＨ??圖２．２語(yǔ)音信號(hào)時(shí)域波形圖??２．２．２端點(diǎn)檢測(cè)??在對(duì)一段長(zhǎng)語(yǔ)音或者對(duì)語(yǔ)音流進(jìn)行運(yùn)算之前，需要過(guò)濾掉一些無(wú)效的語(yǔ)音段，??１３??

??語(yǔ)音為清音，如圖２．３所示。??Ｍ?Ａ??Ｍ?ｊ一，＼???７ｉ?＼??Ｍｌ??．．…ｊ．?ｊ＼??一?＾?ｊ?！?；?：?＾??Ｃｌ?ｊ?Ｂｉ?：?Ａｌｌ?Ａｉ＼?Ｂｌ＼?ｐ２?１??Ｚ?‘?ｊ?ｊ?Ｉ?｜?｜?ｊ??￣＾—ＨＪ??Ｚｓ．．．．．?｜ｆ?｜?ｒ％．?＾??Ｃｌ?Ｂｉ?Ａｉ?Ａ２?Ｂｉ?Ｃ２?ｊ??圖２．３雙門(mén)限法不意圖??但是在實(shí)際應(yīng)用中，過(guò)零率作為一個(gè)特征在尋找結(jié)束幀時(shí)并不穩(wěn)定。??另外一種方法是基于窗能量的實(shí)時(shí)檢測(cè)算法。該算法是以一定時(shí)長(zhǎng)的語(yǔ)音段??的窗能量作為判定的一個(gè)標(biāo)準(zhǔn)設(shè)定緩沖區(qū)的最小窗能量閾值，計(jì)算公式為：??窗能量閾值＝最小幅度絕對(duì)值ｘ窗長(zhǎng)ｘ采樣率?（２－３）??當(dāng)連續(xù)５次窗能量小于閾值時(shí)，則停止錄音，找到語(yǔ)音的結(jié)束端點(diǎn)；否則，??將有效的窗語(yǔ)音信號(hào)進(jìn)行拼接，送入到特征提取模塊進(jìn)行進(jìn)一步處理。??另外還可通過(guò)語(yǔ)音特征來(lái)檢測(cè)靜音與否，內(nèi)容將在后文進(jìn)行詳細(xì)介紹。??２．２．３特征提取??目前語(yǔ)音識(shí)別的過(guò)程都是建立在對(duì)語(yǔ)音的特征分析的基礎(chǔ)上，并不是直接對(duì)??音頻本身進(jìn)行處理。語(yǔ)音的特征包含了語(yǔ)音的很多特性
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 路青起;白燕燕;;基于雙門(mén)限兩級(jí)判決的語(yǔ)音端點(diǎn)檢測(cè)方法[J];電子科技;2012年01期

2 李虎生,劉加,劉潤(rùn)生;語(yǔ)音識(shí)別說(shuō)話人自適應(yīng)研究現(xiàn)狀及發(fā)展趨勢(shì)[J];電子學(xué)報(bào);2003年01期

相關(guān)碩士學(xué)位論文 前1條

1 李敏;基于語(yǔ)音關(guān)鍵詞檢測(cè)的人機(jī)交互研究[D];北京交通大學(xué);2016年

本文編號(hào)：2892939