淺談?wù)Z音識別中計算機仿真的運用論文
摘要：文章闡述了一種改進的基于自適應(yīng)模型的語音識別方法。概括歸納了實現(xiàn)這種方法的三大模塊：語音數(shù)據(jù)采集模塊，基于自適應(yīng)模型的語音識別模塊和體現(xiàn)應(yīng)用的結(jié)果顯示模塊。
關(guān)鍵詞：計算機仿真；語音識別；算法
引言：當(dāng)下對于語音識別技術(shù)的研究處于初期階段，但現(xiàn)在市面上出現(xiàn)的大量語音識別的產(chǎn)品例如DragonDictation,Siri等表明語音識別技術(shù)還擁有巨大的發(fā)展與應(yīng)用空間。
1 提出背景
目前大多數(shù)的語音識別設(shè)備在算法上都是基于傳統(tǒng)的GMM方式，傳統(tǒng)的GMM方式的核心思想是利用多個高斯分布的概率密度函數(shù)組合來描述特征矢量在概率空間的分布狀況。傳統(tǒng)的GMM方法需要先計算所有說話人模型的識別概率p,然后取識別概率最大的說話人模型作為識別結(jié)果。而人類在進行說話人識別時,是一邊聽取語音,一邊做出判斷,同時排除掉絕對不可能的說話人，在若干相似說話人之間選擇,當(dāng)有很大的把握性時,做出最終判定。這不同于目前的機器識別方法,總是取固定時長的語音數(shù)據(jù),且對所有的說話人均同等對待。傳統(tǒng)的GMM模型在說話人集合很大時需要大量的數(shù)據(jù)收集和較長的處理時間，會影響到分辨說話人身份的準(zhǔn)確性。所以我們需要一種更加高效，高可靠性的方式來改進當(dāng)前主流的語音識別算法，更好的服務(wù)于當(dāng)前信息化社會。
2 自適應(yīng)模型
自適應(yīng)[1]是指處理和分析過程中，根據(jù)處理數(shù)據(jù)的數(shù)據(jù)特征自動調(diào)整處理方法、處理順序、處理參數(shù)、邊界條件或約束條件,使其與所處理數(shù)據(jù)的統(tǒng)計分布特征、結(jié)構(gòu)特征相適應(yīng),以取得最佳的處理效果。在特征提取階段，根據(jù)不同的說話人，選取不同長度的語音提取特征，對于易于區(qū)分的說話人，只選取少量語音就可以正確識別,對于難于區(qū)分的說話人，提取大量語音進行識別,從而在整體上減少了提取特征的時間;在識別階段,只選取少量語音進行總體說話人識別模型的識別概率計算,而選取較多的語音,對前期選取的識別概率較高的說話人模型計算識別概率，從而一方面保證不降低識別率，一方面大幅度減少識別時間。
3 研究目標(biāo)及主要內(nèi)容
3.1研究目標(biāo)。我們研究的主要目標(biāo)是通過MATLAB模型仿真功能，實現(xiàn)基于自適應(yīng)的語音識別技術(shù)來確定說話人身份。在收集到語音信號的后，完成對信號的處理，主要是基于MFCC的特征提取實現(xiàn)語音庫的搭建,之后使用自適應(yīng)的語音識別技術(shù)，將原先采集到的信息和后續(xù)說話人所說的語音在自適應(yīng)的模型下進行比對，來確定說話人是否為本人，并且借助外圍設(shè)別對結(jié)果進行顯示，最終實現(xiàn)一個輸入-處理--輸出的語音識別平臺搭建。
3.2研究內(nèi)容。以MATLAB軟件為主要工具，配合外圍所搭建的輸入設(shè)備，顯示設(shè)備完成一個可以應(yīng)用的說話人身份識別系統(tǒng)的`搭建。（1）深入研究語音信號的采集方式，能夠?qū)⑼ㄟ^外圍設(shè)備將采集到的語音信號進行處理，并在MATLAB中實現(xiàn)編程，為后續(xù)的語音識別提供素材。（2）通過研究自適應(yīng)模型的原理，設(shè)計基于其原理的算法，將（1）中經(jīng)過處理后的語音信號與應(yīng)用時輸入的語音信號進行識別，通過MATLAB完成計算，這一步是整個研究中最重要的部分，運算完成將給出處理結(jié)果。（3）搭建外圍顯示設(shè)備，我們將MATLAB和單片機進行通信，MATLAB將識別結(jié)果傳輸給單片機，我們通過單片機來提供一個顯示說話人身份識別信息并與用戶交互的平臺。
4 技術(shù)路線
4.1語音數(shù)據(jù)采集模塊。目前所有的語音識別方式都需要一個語音庫來進行匹配�；谧赃m應(yīng)的語音識別也要在語音庫的搭建上進行如下操作。4.1.1采集說話人語音。使用錄音筆在消音室中采集到說話人的聲音，我們會將模擬信號轉(zhuǎn)成數(shù)字信號，并且進行處理。為了得到高質(zhì)量的聲音信號，確保語音庫的精確性，我們選擇在消音室完成聲音采集工作。4.1.2特征提取及語音庫搭建。模擬信號進行A/D轉(zhuǎn)換后，我們要對數(shù)字信號進行處理，這里我們使用MFCC這種主流的語音信號特征提取方式來進行提取。MFCC[2]是基于了Mel頻率的倒譜系數(shù)，我們輸入樣本音頻，對樣本音頻預(yù)加重，分幀，加窗，再做傅里葉變換，進行Mel頻率濾波，進行Log對數(shù)能量提取等操作從而完成采集的語音的特征提取。這一步的核心還是將采集到的模擬信號按照A/D轉(zhuǎn)換使其成為可以通過MATLAB調(diào)用的數(shù)據(jù)。
4.2基于自適應(yīng)模型的語音識別模塊設(shè)計。這個模塊是我們的研究最核心的部分，我們基于這個模型來實現(xiàn)主要功能。4.2.1當(dāng)說話人為陌生人，先排除。傳統(tǒng)的語音識別主要是將采集到的信號和原來收集的所有信號進行比對從而確定說話人身份，但這樣做有時會浪費時間，也可能出現(xiàn)誤差。而自適應(yīng)模型首先去做的就是特征抽取，將已經(jīng)采集到的語音數(shù)據(jù)進行處理，尋找到他們的共同特征，當(dāng)需要識別的信號不符合這種特性的時候，我們首先要將其排除，這樣，在排除陌生人說話時會更加簡便。在我們對說話人識別前先把陌生人給排除，在說話者不是陌生人的情況下，我們會減少很多干擾因素，能夠節(jié)約識別時間，提高識別精度。4.2.2當(dāng)說話人已經(jīng)在語音庫中，確定其身份。我們的算法主要是研究的對象是已經(jīng)將語音信息導(dǎo)入到語音庫中的人群，這里我們要用到SVM[3]技術(shù)，SVM是一個可以把低維下線性不可分的問題變成一個高維線性可分問題的技術(shù)。在我們自適應(yīng)語音識別說話人身份時，我們需要對收集到的語音數(shù)據(jù)進行分類。例如我們收集到1000組語音，按照收集到的語音特征分成250組，每組4個人。當(dāng)說話人開始識別，我們先去找到這個說話人屬于哪個組，然后在這個4人小組里面在進行區(qū)分，這樣，我們把原先需要一一匹配的說話人識別僅僅需要幾步就可以實現(xiàn)。
4.3體現(xiàn)應(yīng)用的結(jié)果顯示模塊。使用一塊單片機與一塊顯示屏，通過Matlab中的設(shè)備控制箱將識別結(jié)果傳送到單片機，單片機依據(jù)識別結(jié)果在顯示屏進行顯示。
5 結(jié)語
和當(dāng)前主流的傳統(tǒng)高斯混合模型相比，我們設(shè)計出的基于自適應(yīng)的模型結(jié)構(gòu)，可以很大程度上減少在聲音識別前所需要收集的數(shù)據(jù)量，節(jié)約空間，同時由于自適應(yīng)算法的優(yōu)越性我們也能夠在提高語音識別的可靠性，很大程度上減少在識別過程中由于外部因素所造成的誤差。
引用：
[1]丁博，王懷民，史殿習(xí).構(gòu)造具備自適應(yīng)能力的軟件[J].軟件學(xué)報.2013（07）
[2]李澤，崔宣，馬雨廷等.MFCC和LPCC特征參數(shù)在說話人識別中的研究[J].河南工程學(xué)院學(xué)報.2010(06).
[3]李書玲，劉蓉，張鎏欽等.基于改進型SVM算法的語音情感識別[J].計算機應(yīng)用.2013(07).
【淺談?wù)Z音識別中計算機仿真的運用論文】相關(guān)文章：
3.YY語音在網(wǎng)絡(luò)教育中的運用研究論文
4.淺談生本教育理念在職中計算機教學(xué)中的應(yīng)用論文
5.計算機人臉識別技術(shù)及其應(yīng)用分析論文