特征參數(shù)模式比對在語音評分中的應用研究.pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、在語言學習過程中,發(fā)音不準成為學習非母語的一道天然屏障。利用計算機來幫助口語發(fā)音教學能提高非母語學習的效益。 本文采用的語音評分是基于標準語音的評分;所運用到的技術有特征參數(shù)的提取、模式比對方法的設計以及評分機制的建立等。其中特征參數(shù)部分采用以下特征參數(shù):音量強度曲線(Magnitude)、基頻軌跡(Pitch Contour)以及梅爾倒譜參數(shù)(Mel-Frequency Cepstral Coefficients);

2、本文所作的工作主要如下: 1.端點檢測算法,針對傳統(tǒng)雙門限端點檢測算法在噪聲環(huán)境下的不足之處,對算法細節(jié)做出了多處改進。特別是在實際語音處理中,通過多次試驗和統(tǒng)計計算出符合含背景噪聲的語音信號的短時能量和平均過零率的閾值。 2.特征參數(shù)提取,總結了目前常用的幾種語音識別特征參數(shù),詳細分析了傳統(tǒng)的線性預測編碼系數(shù)(Linear Prediction Coding Coefficient,LPCC)、Mel頻率倒譜系數(shù)(Me

3、l Frequency Cepstral Coefficient,MFCC)的原理、優(yōu)缺點和實現(xiàn)細節(jié)。針對MFCC特征的問題,提出的一種基于小波去噪的MFCC提取算法。該算法通過不同尺度的小波基,把含有噪聲的信號分解于不同頻段中;然后在各個頻段分別通過TEO (Teager能量算子)去噪,再把各個頻段的輸出通過小波重構恢復信號,最后通過Mel濾波器組把小波系數(shù)轉換成MFCC。 3.語音評分機制,通過對一個完整的英語句子進行處理,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論