時間序列是一組按照時間先后順序進行排列的數(shù)據(jù)點集合,每個元素由采集時間和數(shù)據(jù)值組成（其中數(shù)據(jù)值可以是一個確定的數(shù)也可以是一個向量,即多元）,是生產(chǎn)生活中常見的一種數(shù)據(jù)類型,廣泛應用于數(shù)理統(tǒng)計、信號處理、模式識別等與時間數(shù)據(jù)測量相關(guān)的應用科學與工程學,對其進行相似性度量可用于指導生產(chǎn)實踐。本文以日常生活中最常見的一種時間序列----語音序列數(shù)據(jù)為對象,對時間序列相似性度量問題進行了研究,針對一元語音信號相似性度量和多元語音信號相似性度量方法進行了改進,提出了改進的基于時間序列相似性識別語音信號識別算法。本文主要工作如下:（1）針對一元語音信號相似性度量方法,本文首先在預處理階段對語音信號進行多項式平滑濾波（Savitzky-Golay）,隨之對平滑后的序列選取重要點。本文在使用連續(xù)三點取值算法的基礎上,在重要點選取時增加了新的極值點選取約束條件,并引入了變化明顯的轉(zhuǎn)折點,從而有效的降低時間序列的長度,實驗表明本文提出的算法具有可行性和有效性。（2）針對多元語音信號相似性度量方法,在低信噪比環(huán)境下傳統(tǒng)端點檢測算法存在清音和無聲區(qū)的區(qū)分效果不好的問題,本文對端點檢測中短時過零率算法進行了改進... 

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
        1.1.1 課題研究背景
        1.1.2 課題研究意義
    1.2 時間序列相似性的研究現(xiàn)狀
        1.2.1 基于鎖步度量的時間序列相似性度量
        1.2.2 基于彈性度量的時間序列相似性度量
    1.3 時間序列的表示方法
        1.3.1 時間域連續(xù)表示
        1.3.2 基于變換的表示
        1.3.3 基于離散化的表示
    1.4 語音識別技術(shù)的發(fā)展進程及研究現(xiàn)狀
        1.4.1 高斯混合模型+隱馬爾可夫模型語音識別
        1.4.2 DTW語音識別
        1.4.3 神經(jīng)網(wǎng)絡在語音識別中的應用
    1.5 語音識別技術(shù)的應用
    1.6 論文技術(shù)路線、研究內(nèi)容和章節(jié)安排
        1.6.1 論文技術(shù)路線
        1.6.2 章節(jié)安排
    1.7 本章小結(jié)
第二章 一元時間序列相似性度量
    2.1 一元時間序列預處理
        2.1.1 一元時間序列定義
        2.1.2 特征縮放
        2.1.3 多項式最小二乘濾波
    2.2 一元時間序列特征提取
        2.2.1 時間序列中連續(xù)三點的變換模式
        2.2.2 重要點選取算法
    2.3 時間序列相似性度量(FastDTW)
    2.4 基于PAA算法的時間序列相似性度量
    2.5 本章小結(jié)
第三章 多元時間序列相似性度量及其在語音識別的應用
    3.1 多元時間序列基本概念
        3.1.1 多元時間序列的定義
        3.1.2 多元時間序列相似性度量
        3.1.3 歐式距離
        3.1.4 余弦距離
    3.2 多元時間序列相似性度量算法在語音識別中的應用
    3.3 語音信號預處理
        3.3.1 語音信號預加重
        3.3.2 語音信號加窗處理
        3.3.3 語音信號端點檢測
        3.3.4 短時能量
        3.3.5 短時過零率
        3.3.6 雙門限端點檢測算法
        3.3.7 改進短時過零率
    3.4 特征參數(shù)提取
    3.5 語音信號的識別
    3.6 本章小結(jié)
第四章 實驗設計及結(jié)果分析
    4.1 一元時間序列相似度量實驗
        4.1.1 實驗環(huán)境
        4.1.2 實驗設計
        4.1.3 實驗評價指標
        4.1.4 實驗結(jié)果
        4.1.5 實驗結(jié)果分析
    4.2 基于PAA算法的時間序列相似性度量
        4.2.1 實驗設計
        4.2.2 實驗結(jié)果
        4.2.3 實驗結(jié)果分析
    4.3 多元時間序列相似性度量及語音識別實驗
        4.3.1 實驗設計
        4.3.2 實驗結(jié)果
        4.3.3 實驗結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 概述
    5.2 本文主要工作與創(chuàng)新點總結(jié)
    5.3 下一步研究方向展望
參考文獻
攻讀碩士期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于多項式最小二乘濾波的時間序列相似性度量[J]. 喬鋼柱,朱良澤,丁智慧,程譚.  測試技術(shù)學報. 2020(01)
[2]基于關(guān)鍵點的不確定時間序列線性降維方法[J]. 湯其婕,朱小萍.  計算機技術(shù)與發(fā)展. 2018(08)
[3]一種多元臺風時間序列的相似性度量方法[J]. 黃冬梅,鄭霞,趙丹楓,王麗琳.  計算機應用研究. 2019(03)
[4]基于雙門限算法的端點檢測改進研究[J]. 王滿洪,張二華,王明合.  計算機與數(shù)字工程. 2017(11)
[5]基于PAA的時間序列早期分類[J]. 馬超紅,翁小清.  計算機科學. 2018(02)
[6]多元時間序列相似性度量方法[J]. 李正欣,郭建勝,毛紅保,高楊軍.  控制與決策. 2017(02)
[7]時間序列數(shù)據(jù)挖掘的相似性度量綜述[J]. 陳海燕,劉晨暉,孫博.  控制與決策. 2017(01)
[8]基于區(qū)域極值點的時間序列聚類算法[J]. 孫雅,李志華.  計算機工程. 2015(05)
[9]基于三點的時間序列關(guān)鍵點研究[J]. 劉永志,皮德常,賈學萍.  微電子學與計算機. 2015(01)
[10]基于關(guān)鍵點的不同長度時間序列相似性度量[J]. 劉永志,皮德常,陳傳明.  計算機工程與應用. 2014(20)

碩士論文
[1]基于改進型DTW的語音識別系統(tǒng)的研究[D]. 徐智.安徽大學 2019



本文編號：3731568