語(yǔ)音識(shí)別技術(shù)所涉及的領(lǐng)域包括：信號(hào)處理、模式識(shí)別、概率論和信息論、發(fā)聲機(jī)理和聽(tīng)覺(jué)機(jī)理、人工智能等等。語(yǔ)音識(shí)別技術(shù)原理借助“支持向量機(jī)(SVM)”和“核學(xué)習(xí)”理論，建立了一種全新而高效的模式識(shí)別技術(shù)。
這種新穎的模式識(shí)別技術(shù)具有以下特性和優(yōu)點(diǎn)：
1.核心算法具有堅(jiān)實(shí)的理論基礎(chǔ)和幾何上的可解釋性;
2.算法用核函數(shù)替換內(nèi)積從而使線性算法變成非線性，這樣通過(guò)把數(shù)據(jù)映射到高維特征空間來(lái)增加傳統(tǒng)的線性學(xué)習(xí)器的計(jì)算能力;
3.算法最終將轉(zhuǎn)化成為一個(gè)二次型尋優(yōu)問(wèn)題，從理論上說(shuō)，得到的將是全局最優(yōu)點(diǎn)，解決了傳統(tǒng)方法中出現(xiàn)的局部極值問(wèn)題;
4.適合小樣本訓(xùn)練;
5.建立在簡(jiǎn)單、簡(jiǎn)潔的計(jì)算基礎(chǔ)之上，不僅速度快，也非常適合硬件實(shí)現(xiàn)。
特征提取：
語(yǔ)音特征的提取是在語(yǔ)音信號(hào)中提取出影響語(yǔ)音識(shí)別的重要信息，提取方法是否有效是聲紋識(shí)別成敗的關(guān)鍵。
本項(xiàng)目突破傳統(tǒng)方法，嘗試研究新型的語(yǔ)音特征提取技術(shù)，使其既符合人的聽(tīng)覺(jué)特性，而且在有信道噪聲和頻譜失真的情況下具有較好的穩(wěn)健性，具體方法如下：
1.基于微分的特征，微分作用是反映語(yǔ)音信號(hào)特征的變化率，具有預(yù)見(jiàn)性，能預(yù)見(jiàn)特征變化的趨勢(shì)，以微分特征作訓(xùn)練識(shí)別可以改善識(shí)別系統(tǒng)的動(dòng)態(tài)性能。
對(duì)單幀倒譜特征進(jìn)行微分變換，方法是：
2.離散余弦變換(DCT變換)的特征
將DCT特征樣本和已存在的所有用戶的DCT模板比對(duì)，即計(jì)算特征樣本和各DCT模板之間的絕對(duì)值距離(各個(gè)對(duì)應(yīng)特征數(shù)據(jù)之差的絕對(duì)值之和)，篩選出距離最小的前N個(gè)用戶，即DCT預(yù)選，它能很好的提高識(shí)別效率。
根據(jù)輸入的語(yǔ)音，輸出語(yǔ)音的幅度累加和特征、語(yǔ)音的過(guò)零率特征、語(yǔ)音的MFCC的2階特征，由“語(yǔ)音的幅度累加和特征”和“語(yǔ)音的1階、2階特征”按照幅度權(quán)重、倒譜權(quán)重系數(shù)，進(jìn)行相加或相減，得到4組特征數(shù)據(jù)(波形劃分特征)，依次把“波形劃分特征”和“語(yǔ)音的過(guò)零率特征”輸入到一個(gè)容器中，輸入4組峰位劃分信息，把這4組峰位劃分信息進(jìn)行合并，然后按照峰位的最小間距信息去除分布過(guò)密的峰位，最后得到一組準(zhǔn)確的峰位信息。
根據(jù)輸入的語(yǔ)音，輸出對(duì)應(yīng)的MFCC特征(1-12階)。
4.大幀特征
根據(jù)峰位查找中得到的“峰位信息”和“MFCC特征”，輸出每個(gè)峰位的對(duì)應(yīng)大幀特征，每個(gè)大幀覆蓋10個(gè)小幀的區(qū)域，在大幀的定位過(guò)程中使用了幅度累加和法，所謂的幅度累加和法就是：設(shè)當(dāng)前位置為i，使用一個(gè)10個(gè)小幀大小的窗口從i-9到i滑動(dòng)，求出這之間的窗口區(qū)域的最大幅度和，然后把這個(gè)窗口的起始位置作為大幀的起始位置，從大幀的起始位置開(kāi)始的10個(gè)小幀特征，作為當(dāng)前峰位的大幀特征，并且只使用其中的奇數(shù)小幀。
5.隨機(jī)倒譜特征
語(yǔ)氣、語(yǔ)速多變將導(dǎo)致發(fā)音特征發(fā)生變化，使識(shí)別正確率降低。如果在特征提取時(shí)動(dòng)態(tài)地選取不同時(shí)間維度的特征塊進(jìn)行訓(xùn)練，將很好地改善因說(shuō)話的隨意性、語(yǔ)速的多變性等造成的識(shí)別不穩(wěn)定性。
本項(xiàng)目采用隨機(jī)倒譜特征的方法解決這個(gè)問(wèn)題，該方法將單純的倒譜特征轉(zhuǎn)換為帶有時(shí)間維的多維隨機(jī)倒譜特征，在通過(guò)網(wǎng)絡(luò)模型不斷學(xué)習(xí)過(guò)程中，將語(yǔ)音特征逐漸歸納、聚類到穩(wěn)定的激勵(lì)模式，實(shí)現(xiàn)對(duì)原始的微觀特征集合的歸納和抽象，從而提高識(shí)別的抗畸變性和魯棒性。
6.基于人類聽(tīng)覺(jué)結(jié)構(gòu)特征的提取方法
用伽瑪聽(tīng)覺(jué)過(guò)濾器組(一組不規(guī)則的帶通濾波器)模仿人聽(tīng)覺(jué)的頻率分辨能力。另一種方法是基于小波的提取方法。小波理論是采取多分辨率分析的思想，非均勻地劃分時(shí)頻空間，建立聽(tīng)覺(jué)濾波器組，該方法為非平穩(wěn)信號(hào)的分析提供了新的途徑。
7.基于發(fā)音特征的提取方法
國(guó)際音標(biāo)組織(InternationalPhoneticsAssociation,IPA)用發(fā)音位置和發(fā)音模式等發(fā)音特征(ArticulatoryFeature，AF)來(lái)對(duì)語(yǔ)言的發(fā)音分類。利用發(fā)音特征可以降低誤識(shí)率、彌補(bǔ)語(yǔ)言間的變化。
8.多特征融合的提取方法
采用線性判決分析技術(shù)(LinearDiscriminantAnalysis，LDA)、主成份分析(PrincipleComponentAnalysis,PCA)、最小分類錯(cuò)誤(MinimumClassificationError，MCE)等判決分析方法對(duì)高維語(yǔ)音特征進(jìn)行相關(guān)性分析和優(yōu)化分析，以達(dá)到多種特征的融合和特征降維等目的。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團(tuán)旗下的專業(yè)媒體平臺(tái)，自1994年品牌成立以來(lái)，一直專注于安全&自動(dòng)化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場(chǎng)趨勢(shì)的專業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國(guó)際行業(yè)展覽會(huì)資源以及豐富的媒體經(jīng)驗(yàn)，提供媒體、活動(dòng)、展會(huì)等整合營(yíng)銷服務(wù)。
粵公網(wǎng)安備 44030402000264號(hào)
