分布式智能語音開關(guān)陣列研究與實現(xiàn)
【學(xué)位單位】:杭州電子科技大學(xué)
【學(xué)位級別】:碩士
【學(xué)位年份】:2019
【中圖分類】:TN912.34
【部分圖文】:
散信號的過程。因為人說話的頻率主要集中在3.4KHZ以下,因而大部分的信息均在這個頻率逡逑以內(nèi),所以根據(jù)奎斯特采樣定律,只需要使采樣頻率4笥諏獎叩撓鏌糶藕諾淖畬篤德示涂桑]3?以無失真的還原出原始的語音信號。一般頻率。福耍龋蛘撸保叮耍龋纯,而高保真的立體音逡逑樂的采樣頻率會更加高一些。下圖2.1主要展示了在8KHz下的抽樣頻率以及進行16位量化逡逑編碼的語音數(shù)據(jù)。在對語音信號進行采樣前一般都采用低通濾波對語音信號進行濾波,這樣逡逑就可以有效的限制高頻成分,防止在采集過程中采集到超過采樣頻率一半的語音信號,這樣逡逑有效的防止了信號的混淆和干擾。低通濾波信號如下圖2.2所示,采樣數(shù)據(jù)的量化能夠?qū)⒉慑义蠘有盘栍秒x散數(shù)據(jù)信號來代替,這樣也方便了計算機的存儲。通常情況下,一般采用8位、逡逑16位或者32位甚至更高的位數(shù)來對模擬語音信號進行量化,本次課題采用的是16位的數(shù)據(jù)逡逑編碼[9]。逡逑抽樣量化信號(8000Hz,16bit)逡逑I邐i邐:邐^邐i邐n邐!邐■邐!邐?逡逑^邐i逡逑0.05邋r邐H|逡逑:丨f逡逑-0.15?
散信號的過程。因為人說話的頻率主要集中在3.4KHZ以下,因而大部分的信息均在這個頻率逡逑以內(nèi),所以根據(jù)奎斯特采樣定律,只需要使采樣頻率4笥諏獎叩撓鏌糶藕諾淖畬篤德示涂桑]3?以無失真的還原出原始的語音信號。一般頻率。福耍龋蛘撸保叮耍龋纯,而高保真的立體音逡逑樂的采樣頻率會更加高一些。下圖2.1主要展示了在8KHz下的抽樣頻率以及進行16位量化逡逑編碼的語音數(shù)據(jù)。在對語音信號進行采樣前一般都采用低通濾波對語音信號進行濾波,這樣逡逑就可以有效的限制高頻成分,防止在采集過程中采集到超過采樣頻率一半的語音信號,這樣逡逑有效的防止了信號的混淆和干擾。低通濾波信號如下圖2.2所示,采樣數(shù)據(jù)的量化能夠?qū)⒉慑义蠘有盘栍秒x散數(shù)據(jù)信號來代替,這樣也方便了計算機的存儲。通常情況下,一般采用8位、逡逑16位或者32位甚至更高的位數(shù)來對模擬語音信號進行量化,本次課題采用的是16位的數(shù)據(jù)逡逑編碼[9]。逡逑抽樣量化信號(8000Hz,16bit)逡逑I邐i邐:邐^邐i邐n邐!邐■邐!邐?逡逑^邐i逡逑0.05邋r邐H|逡逑:丨f逡逑-0.15?
時間邋t/ms邐*ic逡逑圖2.3小波去噪前的語音信號逡逑小波去嗓之后的語音信號逡逑I邋i邐i邋I邋I邐I邐!邐1邐!逡逑0.邋-邐I邋,邐*逡逑_邐.Hi逡逑射邐-逡逑43.4邐i邐^i邐?邐?邐!邐?邐1邐逡逑1邐1.1邐1.2邐1,3邐1.4邐1.5邐1.6邐1.7邐1.S邐19邐2逡逑時間邋fjins邐x18逡逑圖2.4小波去噪后的語音信號逡逑2.1.3語音信號預(yù)加重逡逑減輕口唇輻射效應(yīng)所造成的干擾以及增強語音信號的高頻部分這些都是預(yù)加重的主要目逡逑的,通過預(yù)加重可以有效的提高高頻部分的分辨率。逡逑語音信號的預(yù)加重通過利用//0)邋=邋1-oz-1這一傳遞函數(shù)的一階HR數(shù)字高通濾波器來實逡逑現(xiàn),在公式中^表示預(yù)加重系數(shù),0.9邋<0;<邋1.0。如果語音信號在《這一時刻的懫樣值可以表逡逑示為x(?),經(jīng)過預(yù)加重處理之后的語音信號可以表不為_y(?)邋=邋x(/7)-ox(?-l),這里可以將a逡逑的值設(shè)定為0.98。下圖2.5表示的是語音信號預(yù)加重前的頻譜圖,下圖2.6表示的是預(yù)加重后逡逑的頻譜圖。逡逑_邐原始語音信號頻域波形逡逑10邋邐i邐i邐!邐r邐i邐!邐;邐逡逑|邋5-邋J邐Ji邋I邐-逡逑甚邐J邋J邋|邐11邋|y逡逑0邐500邐1000邐1500邐2000邐2500邐3000邐3500邐4000逡逑頻率f/Hz逡逑圖2.5語音信號預(yù)加重前的頻譜圖逡逑9逡逑
【參考文獻】
相關(guān)期刊論文 前10條
1 祁潔;溫秀蘭;徐波;蘇冬;徐雄飛;;噪聲環(huán)境下照明語音識別系統(tǒng)的研究與設(shè)計[J];計量與測試技術(shù);2015年07期
2 劉榮輝;彭世國;劉國英;;基于智能家居控制的嵌入式語音識別系統(tǒng)[J];廣東工業(yè)大學(xué)學(xué)報;2014年02期
3 于俊婷;劉伍穎;易綿竹;李雪;李娜;;國內(nèi)語音識別研究綜述[J];計算機光盤軟件與應(yīng)用;2014年10期
4 戴禮榮;張仕良;;深度語音信號與信息處理:研究進展與展望[J];數(shù)據(jù)采集與處理;2014年02期
5 柯登峰;徐波;;互聯(lián)網(wǎng)時代語音識別基本問題[J];中國科學(xué):信息科學(xué);2013年12期
6 禹琳琳;;語音識別技術(shù)及應(yīng)用綜述[J];現(xiàn)代電子技術(shù);2013年13期
7 田莎莎;唐菀;佘緯;;改進MFCC參數(shù)在非特定人語音識別中的研究[J];科技通報;2013年03期
8 徐子豪;張騰飛;;基于語音識別和無線傳感網(wǎng)絡(luò)的智能家居系統(tǒng)設(shè)計[J];計算機測量與控制;2012年01期
9 童強;黃劍;王永驥;;浴室噪聲環(huán)境下小詞匯量語音識別系統(tǒng)研究[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2011年S2期
10 于向麗;呂成國;;近場聲源定位算法研究[J];智能計算機與應(yīng)用;2011年05期
相關(guān)碩士學(xué)位論文 前3條
1 劉文強;語音識別技術(shù)在智能家居中的研究與應(yīng)用[D];大連海事大學(xué);2013年
2 陳程;基于HMM的語音識別系統(tǒng)研究[D];中南大學(xué);2008年
3 吳為招;基于SPCE061A的嵌入式語音地圖的研究與實現(xiàn)[D];廈門大學(xué);2007年
本文編號:2812792
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/2812792.html