基于小波能量的語音識別特征參數(shù)提取.pdf

1、提取和選擇最優(yōu)的特征參數(shù)來表示語音信號對任何語音系統(tǒng)的設(shè)計都是一項非常重要的工作，它對語音識別系統(tǒng)的好壞起著關(guān)鍵的作用。在語音識別中，特征參數(shù)的提取一般是基于信號的短時平穩(wěn)特性的，即通常假設(shè)語音信號在一短段范圍內(nèi)是穩(wěn)態(tài)的。但實際上，語音中的爆破音、輔音和元音的過渡段等由于它們具有瞬時性和強隨機性并不能認(rèn)為是短時平穩(wěn)的，因此，利用傳統(tǒng)的特征參數(shù)提取方法時存在著一定的不足。
　　小波分析是近些年迅速發(fā)展起來的新興學(xué)科，在圖像處理、語音

2、信號處理等領(lǐng)域有著廣泛的應(yīng)用。它具有多分辨分析的特點，是一種窗口大小固定不變，但其形狀可以改變的時頻局部化分析方法。很適合于探測正常信號中夾帶的瞬變反常信號并分析其成分，被譽為分析信號的“顯微鏡”。
　　本文針對語音識別特征參數(shù)提取中存在的不足，引入了小波變換方法，提出了一種將傳統(tǒng)的梅爾倒譜系數(shù)，其一階差分和小波能量相結(jié)合的特征參數(shù)MFCC-DWE(MelFrequencyCepstrumCoefficient-DiscreteW

3、aveletEnergy)。該方法首先對預(yù)處理后的每一幀語音信號進行梅爾倒譜系數(shù)的計算，提取出12維的系數(shù)，并求其一階差分(12維)；之后對這一幀語音信號進行不同分辨率下的二進離散小波變換，對每個分辨率下的近似系數(shù)計算其能量值，將各分辨率下的能量值作為一個特征向量，組成小波能量特征。最后對上述的三種特征分別進行矢量量化，作為一幀語音信號的特征進行訓(xùn)練識別，并給出了新特征參數(shù)理論上的分析。
　　最后，將結(jié)合的特征參數(shù)與未增加小波能量