【摘要】針對現(xiàn)有簡單語音識別系統(tǒng)的識別率較低、識別速度較慢的問題，在對語音識別原理研究的基礎(chǔ)上，對DTW語音識別算法進(jìn)行了改進(jìn)，使得簡單語音識別系統(tǒng)能夠準(zhǔn)確、快速的進(jìn)行識別。

【關(guān)鍵詞】語音識別信號處理DTW

一、引言

根據(jù)語音識別系統(tǒng)所使用的環(huán)境和平臺不同，語音識別技術(shù)朝著兩個(gè)方向發(fā)展：一個(gè)方向是大詞匯量的連續(xù)語音識別，該方向所處理的語音較為復(fù)雜；另一個(gè)方向就是向著中小詞匯量的孤立詞匯語音識別，該方向所處理的語音相對較為簡單，應(yīng)用范圍也有一定的限制，如玩具、語音導(dǎo)航等。雖然簡單語音識別系統(tǒng)對于能識別的詞匯量沒有太高的要求，但是目前的一些簡單語音識別系統(tǒng)的識別速度慢、識別率較低，導(dǎo)致用戶體驗(yàn)較差。

二、語音識別系統(tǒng)原理

語音識別在本質(zhì)上屬于模式識別的范疇，其系統(tǒng)結(jié)構(gòu)與模式識別具有相似之處：根據(jù)相關(guān)的識別算法對語音信號進(jìn)行特征參數(shù)的提取，然后先進(jìn)行學(xué)習(xí)后再對語音信號進(jìn)行識別。在學(xué)習(xí)階段，通過給出的訓(xùn)練數(shù)據(jù)建立起參考模板庫；在識別階段，將待識別語音信號的特征參數(shù)與參考模板庫中的參數(shù)進(jìn)行對比，得到與待識別語音信號最接近的模板，輸出該模板作為語音識別的結(jié)果。

三、簡單語音識別系統(tǒng)的改進(jìn)與實(shí)現(xiàn)

DTW在簡單語音識別中已經(jīng)可以達(dá)到較高的識別率，因此本文選擇DTW作為語音識別的模式匹配算法，并對端點(diǎn)檢測進(jìn)行一定的改進(jìn)來實(shí)現(xiàn)語音識別系統(tǒng)的設(shè)計(jì)。

3.1端點(diǎn)檢測的改進(jìn)

在進(jìn)行端點(diǎn)檢測前，為短時(shí)平均能量和短時(shí)過零率設(shè)定兩個(gè)門限值。在靜音段，當(dāng)短時(shí)平均能量或短時(shí)過零率大于低門限值，則開始準(zhǔn)備標(biāo)記語音起點(diǎn)，由此進(jìn)入過渡段。但是在過渡段中并不能確定是否真正進(jìn)入語音段，當(dāng)短時(shí)平均能量和短時(shí)過零率都小于低門限值時(shí)認(rèn)為是噪音，并不記錄語音起點(diǎn)，恢復(fù)為靜音段；當(dāng)短時(shí)平均能量或短時(shí)過零率大于高門限值，則認(rèn)為是真正的語音片段，將狀態(tài)進(jìn)入語音段。進(jìn)入語音段后還要記錄語音段持續(xù)時(shí)間，若該段時(shí)間較短則認(rèn)為是噪聲，繼續(xù)檢測后面的語音，如果滿足一定的時(shí)間長度則標(biāo)記語音起點(diǎn)并將其記錄為一段語音。

3.2DTW的改進(jìn)

DTW的核心思想是進(jìn)行動態(tài)規(guī)劃，從而解決了語音識別中的發(fā)音長度不一致的匹配問題。在進(jìn)行DTW時(shí)，通過動態(tài)匹配找到一個(gè)最佳路徑，把語音信號的特征參數(shù)通過這條最佳路徑映射到參考模板庫中，這條最佳路徑要求語音信號和參考模板之間的累積距離最小。

經(jīng)典的DTW算法規(guī)定待識別語音信號和模板中信號的首尾必須完全一致，但是端點(diǎn)檢測確定的首尾與實(shí)際存在一定的誤差，造成識別率有所下降。為此，可以對DTW的端點(diǎn)的限制適當(dāng)放寬。即允許起點(diǎn)在（0，0）、（0，m）或者（n，0）上，終點(diǎn)在（N，M）、（N，J）或者（I，M）上。端點(diǎn)要求放寬后對端點(diǎn)檢測精度的要求就降低了，提高了識別的速度和精度。

雖然語音的速度不同，但是語序是確定不變的，因此路徑中每一點(diǎn)的斜率必然大于0。而為了防止過度搜素浪費(fèi)資源，可以對搜索路徑的斜率加以限制，由于語音信號的擴(kuò)壓是有限的，因此可以舍去那些向X軸或者Y軸過度傾斜的路徑。具體做法是：將搜索路徑中每個(gè)點(diǎn)的最大斜率設(shè)為2，最小斜率設(shè)為0.5，這樣就可以大大降低搜索范圍，減少了計(jì)算量，提高了識別速度。

另外，還可以在進(jìn)行相似度匹配時(shí)設(shè)定一個(gè)合理的閾值，如果計(jì)算出的某一部分的相似度與該閾值相差太遠(yuǎn)，則立即認(rèn)為待識別語音與當(dāng)前模板不匹配，轉(zhuǎn)而進(jìn)入與下一個(gè)模板的相似度計(jì)算，這樣就可以減少大量的計(jì)算量，從而提高簡單語音識別的速度。

3.3實(shí)驗(yàn)及數(shù)據(jù)

在實(shí)驗(yàn)室較安靜的環(huán)境下對男女聲識別進(jìn)行了測試。發(fā)音內(nèi)容為0～9的數(shù)字，采樣率為24KHz，幀長20ms，幀移10ms，識別正確率達(dá)到了95%以上，原DTW算法的孤立字識別時(shí)間是6～7s，而采用本文改進(jìn)算法的識別時(shí)間減少到2～5s。因此，本文方法可以實(shí)現(xiàn)快速準(zhǔn)確的簡單語音識別。

四、結(jié)束語

采用本文方法可以有效提高端點(diǎn)檢測的精度、語音識別的正確率和識別速度，該方法完全滿足簡單語音識別系統(tǒng)的應(yīng)用。

參考文獻(xiàn)

[1]張振鋒.基于小詞匯量孤立詞語音識別系統(tǒng)的研究與設(shè)計(jì)[D].長安大學(xué)，2007.

[2]劉建輝，盧珞先，黃濤.一種小詞匯量快速語音識別系統(tǒng)的實(shí)現(xiàn)[J].武漢理工大學(xué)學(xué)報(bào)，2006（28）.

[3]龔偉.小詞匯量孤立詞語音識別系統(tǒng)的DSP實(shí)現(xiàn)[J].低壓電器，2009（20）.