簡單語音識別系統的設計實現

【摘要】針對現有簡單語音識別系統的識別率較低、識別速度較慢的問題，在對語音識別原理研究的基礎上，對DTW語音識別算法進行了改進，使得簡單語音識別系統能夠準確、快速的進行識別。

【關鍵詞】語音識別信號處理DTW

一、引言

根據語音識別系統所使用的環境和平臺不同，語音識別技術朝著兩個方向發展：一個方向是大詞匯量的連續語音識別，該方向所處理的語音較為復雜；另一個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，應用范圍也有一定的限制，如玩具、語音導航等。雖然簡單語音識別系統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的識別速度慢、識別率較低，導致用戶體驗較差。

二、語音識別系統原理

語音識別在本質上屬于模式識別的范疇，其系統結構與模式識別具有相似之處：根據相關的識別算法對語音信號進行特征參數的提取，然后先進行學習后再對語音信號進行識別。在學習階段，通過給出的訓練數據建立起參考模板庫；在識別階段，將待識別語音信號的特征參數與參考模板庫中的參數進行對比，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果。

三、簡單語音識別系統的改進與實現

DTW在簡單語音識別中已經可以達到較高的識別率，因此本文選擇DTW作為語音識別的模式匹配算法，并對端點檢測進行一定的改進來實現語音識別系統的設計。

3.1端點檢測的改進

在進行端點檢測前，為短時平均能量和短時過零率設定兩個門限值。在靜音段，當短時平均能量或短時過零率大于低門限值，則開始準備標記語音起點，由此進入過渡段。但是在過渡段中并不能確定是否真正進入語音段，當短時平均能量和短時過零率都小于低門限值時認為是噪音，并不記錄語音起點，恢復為靜音段；當短時平均能量或短時過零率大于高門限值，則認為是真正的語音片段，將狀態進入語音段。進入語音段后還要記錄語音段持續時間，若該段時間較短則認為是噪聲，繼續檢測后面的語音，如果滿足一定的時間長度則標記語音起點并將其記錄為一段語音。

3.2DTW的改進

DTW的核心思想是進行動態規劃，從而解決了語音識別中的發音長度不一致的匹配問題。在進行DTW時，通過動態匹配找到一個最佳路徑，把語音信號的特征參數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。

經典的DTW算法規定待識別語音信號和模板中信號的首尾必須完全一致，但是端點檢測確定的首尾與實際存在一定的誤差，造成識別率有所下降。為此，可以對DTW的端點的限制適當放寬。即允許起點在（0，0）、（0，m）或者（n，0）上，終點在（N，M）、（N，J）或者（I，M）上。端點要求放寬后對端點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，因此路徑中每一點的斜率必然大于0。而為了防止過度搜素浪費資源，可以對搜索路徑的斜率加以限制，由于語音信號的擴壓是有限的，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：將搜索路徑中每個點的最大斜率設為2，最小斜率設為0.5，這樣就可以大大降低搜索范圍，減少了計算量，提高了識別速度。

另外，還可以在進行相似度匹配時設定一個合理的閾值，如果計算出的某一部分的相似度與該閾值相差太遠，則立即認為待識別語音與當前模板不匹配，轉而進入與下一個模板的相似度計算，這樣就可以減少大量的計算量，從而提高簡單語音識別的速度。

3.3實驗及數據

在實驗室較安靜的環境下對男女聲識別進行了測試。發音內容為0～9的數字，采樣率為24KHz，幀長20ms，幀移10ms，識別正確率達到了95%以上，原DTW算法的孤立字識別時間是6～7s，而采用本文改進算法的識別時間減少到2～5s。因此，本文方法可以實現快速準確的簡單語音識別。

四、結束語

采用本文方法可以有效提高端點檢測的精度、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的應用。

參考文獻

[1]張振鋒.基于小詞匯量孤立詞語音識別系統的研究與設計[D].長安大學，2007.

[2]劉建輝，盧珞先，黃濤.一種小詞匯量快速語音識別系統的實現[J].武漢理工大學學報，2006（28）.

[3]龔偉.小詞匯量孤立詞語音識別系統的DSP實現[J].低壓電器，2009（20）.