华南理工大学 《语音信号处理》实验报告 实验名称:DTW 算法实现及语音模板匹配 姓名: 学号: 班级:10 级电信 5 班 日期:2013 年 6 月 17 日 一、实验目的 运用课堂上所学知识以及 matlab 工具,利用 DTW(Dy namic Time Warping,动态时间规整)算法,进行说话者的语音识别。 二、实验原理 1、语音识别系统概述 一个完整特定人语音识别系统的方案框图如图 1所示。输入的模拟语音信号首先要进行预处理,包括预滤波、采样和量化、加窗、端点检测、预加重等,然后是参数特征量的提取。提取的特征参数满足如下要求: (1)特征参数能有效地代表语音特征,具有很好的区分性; (2)参数间有良好的独立性; (3)特征参数要计算方便,要考虑到语音识别的实时实现。 图 1 语音识别系统方案框图 语音识别的过程可以被看作模式匹配的过程,模式匹配是指根据一定的准则,使未知模式与模型库中的某一个模型获得最佳匹配的过程。模式匹配中需要用到的参考模板通过模板训练获得。在训练阶段,将特征参数进行一定的处理后,为每个词条建立一个模型,保存为模板库。在识别阶段,语音信号经过相同的通道得到语音特征参数,生成测试模板,与参考模板进行匹配,将匹配分数最高的参考模板作为识别结果。 2、语音信号的处理 1、语音识别的 DTW算法 本设计中,采用 DTW算法,该算法基于动态规划(DP)的思想解决了发音长短不一的模板匹配问题,在训练和建立模板以及识别阶段,都先采用端点检测算法确定语音的起点和终点。 在本设计当中,我们建立的参考模板,m为训练语音帧的时序标号,M为该模板所包含的语音帧总数,R(m)为第m帧的语音特征矢量。所要识别的输入词条语音称为测试模板,n为测试语音帧的时序标号,N为该模板所包含的语音帧总数,T(n)为第n帧的语音特征矢量。参考模板和测试模板一般都采用相同类型的特征矢量(如LPCC系数)、相同的帧长、相同的窗函数和相同的帧移。 考虑到语音中各段在不同的情况下持续时间会产生或长或短的变化,因而更多地是采用动态规划 DP的方法。把测试模板的各个帧号n=1~N在一个二维直角坐标系中的横轴上标出,把参考模板的各帧号m=1~M在纵轴上标出,通过这些形成网格,网格的每一个交叉点(n,m)即表示测试模式中某一帧与训练模式中某一帧的交汇点。DP算法即可以归结为寻找一条通过此网格中若干个点的路径。路径通过的格点即为此时与参考模板中进行距离计算的帧号。应当注意,路径不是随意选择的,...