本文關(guān)鍵詞：基于小波變換的語音特征值提取算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在人類的生活中,計(jì)算機(jī)扮演著越來越重要的角色,人類期望可以用更加直接快速的方式與計(jì)算機(jī)進(jìn)行交流,讓計(jì)算機(jī)能夠理解人類的語言,而不再是僅僅依靠鍵盤和鼠標(biāo)的輸入,語音識(shí)別技術(shù)可以滿足人類的這種愿望。語音識(shí)別以語音信號(hào)為研究對(duì)象,將人類的聲音信號(hào)轉(zhuǎn)化為文字或者指令的過程,其最終目的是讓自然語音成為人與計(jì)算機(jī)之間交流的方式。語音識(shí)別技術(shù)已普遍應(yīng)用于人類生活的很多領(lǐng)域,為人類的生活提供了更多的便利,因此它具有廣闊的應(yīng)用前景。特征參數(shù)提取是語音識(shí)別的首要任務(wù),是從含有豐富的語音信號(hào)中提取出對(duì)識(shí)別有用的信息,對(duì)語音信號(hào)進(jìn)行分析處理,去除對(duì)語音識(shí)別無用的冗余信息的過程�；糁芷谑钦Z音特征值中一個(gè)十分重要的特征參數(shù),在語音編碼、語音合成、說話人識(shí)別和語音識(shí)別等多個(gè)領(lǐng)域中扮演重要的角色,因此檢測(cè)基音周期的準(zhǔn)確性是十分重要的。本文采用小波變換對(duì)原始語音信號(hào)進(jìn)行降噪處理,對(duì)處理后的信號(hào)進(jìn)行自相關(guān)函數(shù)法基音周期提取,在信噪比較低的情況下,傳統(tǒng)的自相關(guān)函數(shù)容易出現(xiàn)倍周期和倍周期錯(cuò)誤。為解決這一問題,在諧波積譜法的啟發(fā)下,本文提出了基于自相關(guān)函數(shù)的類諧波積譜基音周期檢測(cè)算法。經(jīng)實(shí)驗(yàn)證明,該算法能準(zhǔn)確劃分出清濁音,檢測(cè)所得的基音曲線光滑規(guī)整,準(zhǔn)確描述出基音周期的變化,而且可以有效地提高基音周期檢測(cè)的可靠性。
【關(guān)鍵詞】：語音識(shí)別 小波變換 特征提取 基音周期 類諧波積譜
【學(xué)位授予單位】：沈陽理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN912.3
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-15
• 1.1 課題的研究背景和意義10-11
• 1.2 國內(nèi)外語音識(shí)別技術(shù)的發(fā)展和現(xiàn)狀11-12
• 1.3 語音識(shí)別的關(guān)鍵技術(shù)12-13
• 1.4 語音識(shí)別技術(shù)的發(fā)展與不足13
• 1.5 論文的主要內(nèi)容13-15
• 第2章 語音識(shí)別的理論15-35
• 2.1 語音識(shí)別系統(tǒng)15-16
• 2.2 語音的預(yù)處理16-34
• 2.2.1 預(yù)加重16-17
• 2.2.2 分幀加窗17-19
• 2.2.3 短時(shí)時(shí)域分析19-26
• 2.2.4 短時(shí)頻域分析26-30
• 2.2.5 端點(diǎn)檢測(cè)30-34
• 2.3 本章小結(jié)34-35
• 第3章 特征參數(shù)提取35-48
• 3.1 基音周期35-40
• 3.1.1 自相關(guān)函數(shù)35-38
• 3.1.2 諧波積譜38-39
• 3.1.3 類諧波積譜39-40
• 3.2 線性預(yù)測(cè)系數(shù)LPC40-42
• 3.3 LPCC特征參數(shù)42-44
• 3.4 MFCC特征參數(shù)44-47
• 3.5 本章小結(jié)47-48
• 第4章 小波分析基礎(chǔ)48-60
• 4.1 引言48
• 4.2 小波變換的定義48-55
• 4.2.1 連續(xù)小波變換48-50
• 4.2.2 多分辨率分析50-51
• 4.2.3 常見的小波函數(shù)51-55
• 4.3 小波去噪法55-59
• 4.4 本章小結(jié)59-60
• 第5章 語音識(shí)別的方法60-71
• 5.1 動(dòng)態(tài)時(shí)間規(guī)整技術(shù)60-62
• 5.2 矢量量化技術(shù)62-64
• 5.3 隱馬爾柯夫模型64-67
• 5.4 人工神經(jīng)網(wǎng)絡(luò)67-70
• 5.4.1 神經(jīng)元68-69
• 5.4.2 前向網(wǎng)絡(luò)69-70
• 5.5 本章小結(jié)70-71
• 第6章 語音特征值提取算法的仿真實(shí)驗(yàn)71-84
• 6.1 語音識(shí)別系統(tǒng)的基本構(gòu)成71
• 6.2 預(yù)處理的仿真實(shí)驗(yàn)71-76
• 6.2.1 端點(diǎn)檢測(cè)算法仿真72-74
• 6.2.2 小波降噪74-76
• 6.3 特征值提取算法仿真76-80
• 6.4 短單詞語音識(shí)別仿真系統(tǒng)80-83
• 6.5 本章小結(jié)83-84
• 結(jié)論84-86
• 參考文獻(xiàn)86-91
• 攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果91-92
• 致謝92-93

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 馬英;石小榮;李海新;;基于CEP和LPC譜提取語音信號(hào)基音周期的方法[J];現(xiàn)代電子技術(shù);2009年20期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 彭詩雅;基于聲紋識(shí)別的身份認(rèn)證技術(shù)研究[D];南京航空航天大學(xué);2010年

2 陳衛(wèi);基于支持向量機(jī)的說話人識(shí)別系統(tǒng)研究[D];華北電力大學(xué)（河北）;2005年

3 時(shí)曉東;孤立詞語音識(shí)別系統(tǒng)設(shè)計(jì)研究[D];浙江大學(xué);2006年

4 張俊;基于VQ和DTW相結(jié)合的語音識(shí)別算法研究[D];武漢理工大學(xué);2007年

5 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年

6 張博揚(yáng);基于節(jié)拍檢測(cè)的和弦識(shí)別研究[D];太原理工大學(xué);2010年

  本文關(guān)鍵詞：基于小波變換的語音特征值提取算法的研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：304312