發(fā)布時間：2020-09-05 08:25

　　 隨著科技的不斷發(fā)展和進步,語音識別技術(shù)也得到了相應(yīng)的發(fā)展。語音識別的性能也得到了進一步的提升,識別速率越來越快,識別率也越來越高。語音識別系統(tǒng)作為一種方便、快捷、高效的人機交互方式,越來越引起人們的重視。但在實際的應(yīng)用場景中,語音識別往往受到識別環(huán)境和訓(xùn)練環(huán)境的影響,導(dǎo)致識別性能急劇下降。因此,提高語音識別在噪聲環(huán)境下的識別率和識別速度越來越受到關(guān)注,這也是語音識別系統(tǒng)走出實驗室,應(yīng)用到人們生活的關(guān)鍵所在。為了彌補傳統(tǒng)方法的弊端,本論文將分布式技術(shù)以及無線組網(wǎng)技術(shù)結(jié)合起來,開發(fā)出一款帶有優(yōu)先級的開關(guān)陣列設(shè)計,能夠廣泛應(yīng)用于居家環(huán)境。開關(guān)陣列將語音信號通過網(wǎng)關(guān)上傳到服務(wù)器端進行相應(yīng)的語音信號處理,極大的提高了處理效率。同時,考慮到使用現(xiàn)場存在著諸多的噪聲,有效的語音信號通常夾雜著大量的環(huán)境噪聲,本論文采用五麥克風(fēng)來進行降噪處理。當(dāng)多個麥克風(fēng)陣列同時存在時,可以通過時延估計算法精確到某個特定的麥克風(fēng)陣列,確定語音信號源到達麥克風(fēng)的先后順序,來定位出聲源位置來確�？刂颇繕藢ο蟮囊恢滦�,并可以通過Wi-Fi來對其他開關(guān)進行同步分析,從而判斷采集到的命令是首次命令還是因反射而造成的誤判,并相應(yīng)的執(zhí)行操作。同時,本文還對麥克風(fēng)陣列的信號模型進行了研究,其中包括近場模型、遠場模型以及五麥克風(fēng)陣列的幾何模型。并分析設(shè)計了一種適合語音開關(guān)陣列的基于隱馬爾可夫模型關(guān)鍵詞識別算法的改進方案。在端點檢測階段,采用根據(jù)音節(jié)來對端點進行提取,同時將這些起始點按照數(shù)組的形式進行保存。在參數(shù)提取、模板訓(xùn)練以及模板匹配的階段,利用參考模板以及維特比算法對n個音節(jié)的MFCC參數(shù)進行匹配,通過與閾值的比較來判斷是否為關(guān)鍵詞。最后,進行一系列的對比試驗,分別對麥克風(fēng)的擺放位置、語音信號源的距離角度對結(jié)果的影響,并在Matlab下進行了識別的仿真試驗。
【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