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
