语音信号处理技术及应用

语音信号处理技术及应用

摘要

语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门新兴学科。语音信号处理的应用极为广泛，其中的主要技术包括语音编码、语音合成、语音识别和语音增强等。本文选取语音识别作为重点讨论课题。

语音识别就是让计算机听懂人的话，并做出正确的反应。目前主流的语音识别技术是基于统计模式识别的基本理论。

本文首先对语音信号处理进行了概述，其中包括各种处理技术、发展及应用。接下来主要介绍了语音识别方面的知识。根据语音识别系统的基本构成模型，介绍了预处理、端点检测到模板匹配各个部分所涉及到的语音数字信号处理原理和方法。重点研究了孤立词识别系统的原理、构成及各部分的实现算法。并在MATLAB平台上进行了系统的仿真。

关键词：端点检测，特征提取，动态时间规整，隐马尔可夫模型

目录

1  绪论 1

1.1 语音信号处理技术概述 1

1.1.1 语音编码技术（Speech Coding） 2

1.1.2 语音合成技术（Speech Synthesis） 2

1.1.3 语音识别技术（Speech Recognition） 3

1.1.4 语音增强技术（Speech Enhancement） 3

1.2 课题研究背景 4

1.3 本文的主要内容 4

2  语音信号分析 6

2.1 语音信号的数字模型 6

2.1.1 激励模型 6

2.1.2 声道模型 7

2.1.3 辐射模型 7

2.2 语音信号的时域分析 7

2.3 语音信号的频域分析 9

2.3.1 短时傅立叶变换 9

2.3.2 短时傅立叶反变换 10

3  语音识别理论 11

3.1 语音识别的发展历史 11

3.2 语音识别定义 12

3.3 语音识别的分类 12

3.3.1 按识别器的类型 12

3.3.2 按识别器对使用者的适应情况 12

3.3.3 按语音词汇表的大小 13

3.4 语音识别的基本原理 13

3.5 语音识别的特点 14

3.6 语音识别技术的困难 14

4  语音识别系统的实现 16

4.1 典型语音识别系统 16

4.1.1 预处理 16

4.1.2 特征提取 16

4.1.3 训练 17

4.1.4 识别 17

4.1.5 后处理 18

4.2 语音识别技术 18

4.2.1 动态时间规整（DTW）技术 18

4.2.2 隐马尔可夫模型（HMM）技术 19

4.2.3 矢量量化(VQ)技术 24

4.2.4 人工神经网络（ANN）技术 24

4.2.5 混合模式识别技术 25

4.3 语音识别系统的性能评价标准 25

4.4 孤立词识别系统的实现 26

4.4.1 整体系统软件流程图 26

4.4.2 语音信号的采集 28

4.4.3 预处理 28

4.4.4 特征参数的提取 31

4.4.5 模板训练 33

4.4.6 模式匹配识别 34

5　系统仿真 36

5.1 语音的采集 36

5.2 端点检测 36

5.3 识别测试 38

5.3.1 DTW算法测试 38

5.3.2 基于HMM模型算法测试 39

5.4 分析与总结 40

6  应用 41

7  总结与展望 42

参考文献 44

致谢 46