基于小波变换的语音来源识别系统.pdf

《基于小波变换的语音来源识别系统.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、科技创新与应用2013年第10期信息技术基于小波变换的语音来源识别系统邝斌高翠芸钱立武（上海大学通信与信息工程学院，上海200072）摘要：文章主要介绍了对不同来源的语音，如手机扬声器、电视、电脑、收音机、室内、室外、二次录音等来源的语音识别的方法。采用双门限端点检测的方法选取一段连续的语音的起点和终点，使用Matlab进行多尺度一维小波分解，然后求得每一层的能量，把能量在各层分布的百分比作为特征参数进行识别。语音来源的识别，在公安、司法、语音识别等有重要的应用。关键词：小波变换；语音来源识别；Matlab1引言A=appcoef(C,L,’wname’,N)，一维小波变换近

2、似序列提取函数。语音信号的来源是多式多样的，可以来源于电视、电话、麦克我们提取特征参数的时候，选取了db6小波，利用MATLAB提供的风、收音机、室内、室外等。这些不同来源的语音信号会表现出不同小波分解函数进行了5级分解。小波的选取和分解级数的选取，是的特征，有的比较明显的人耳可以轻松地区别出来，而有的人耳是我们经过不断试验后的结果。很难分辨出来的。据调查，国内外针对语音识别的研究多集中在声[c,l]=wavedec(X,5,’db6’);纹识别、声源位置识别等方面，在语音来源识别方面研究较少。语音上式中X是经过端点检测后截取的语音段。上述函数返回的近似和来源识别主要找寻区别

3、不同来源声音的方法，如区别一次录音和二细节都存放在c中，l存放的是近似和各阶细节系数对应的长度。次录音，区别来源于室内、室外的声音，区别来源于电视、电话、收音之后用appcoef(C,L,’wname’,N)提取近似系数，用detcoef(C,L,N)提取机、电脑等的声音。各阶细节系数。语音来源识别的一个根本问题是合理的选用特征。选择的标准这样便通过小波变换分解得到了近似和各阶系数。我们根据分应体现对于不同来源的声音，相应特征间的距离应大，而对于相同解后各阶系数能量分布的不同来区别不同来源的声音。求得各阶的来源的声音，彼此间距离应小。选取特征应该尽量和语音的内容无能量和总能量

4、。使用近似系数和各阶细节系数能量占总能量的比值关，这样才能区别不同来源的语音信号。将作为特征参数，用于语音来源的识别。语音来源识别和语音识别在本质上是类似的，都是一种模式识5训练和识别过程别的过程。主要包括语音信号预处理、特征提取、特征建模（建立参在训练阶段，从train文件夹下读取样本数据，获取特征参数，考模式库）、模式匹配等几个功能模块。将这些参数保存下来作为模板数据。预处理过程包括预滤波、采样和量化、端点检测等，由于本系统在我们目前的系统中，共有7种不同来源的声音，因此在训练的研究过程中，使用录音笔录制好.wav文件，预滤波、采样和量化都阶段，我们读取了7个语音文件提取

5、特征参数，作为模板库。把模板已经完成，所以预处理只需要进行端点检测即可。经过预处理的语数据存储在mfcc.mat文件中。在识别阶段只需要把mfcc.mat文件音数据就可以进行特征参数提取。在训练阶段，获取不同来源的语导入进去，便获得了模板数据。音数据的特征参数，为每一种来源的语音得到一个模型，建立模板在识别阶段，我们将待识别的语音文件输入进来。通过和训练库。在识别阶段，测试语音信号经过相同的通道得到语音参数，生成阶段一样的方法得到特征参数。得到待测语音的特征参数以后，便测试模板，与参考模板进行匹配，将匹配距离最小的作为识别结果。可以求待测语音特征参数和模板语音特征参数的距离。

6、求得测试语2语音信号输入音和7个模板语音特征参数的距离后，将距离从小到大排序。排序由于我们研究的目的是识别不同来源的语音，因此我们先用录之后将距离最小的作为识别的结果。音笔录制不同来源的语音信号。将录制的声音文件进行格式转化在我们系统的测试阶段，我们录制了两份不同来源的语音。将成.wav格式。然后直接利用MATLAB的wavread(file)函数读入语音其中一组作为模板，另外一组作为测试。7段语音的来源均得到了信号。正确的识别结果。3端点检测6结束语本系统的预处理过程主要就是进行端点检测，无论是在训练还不同来源的语音经过小波分解之后，各级小波系数的能量分布是识别阶段，都要先

7、采用端点检测算法确定语音的起点和终点，以将不同。该语音来源识别系统将小波分解后各层系数的能量百分比获得一段连续的有声段进行分析。语音端点检测是一个重要环节，作为特征系数。该系统首先经过端点检测得到一段连续的语音信其算法的优劣会直接影响后面特征参数的提取，从而影响整个系统号，然后用db6小波进行5级小波分解，之后求得各级小波的能量的优劣。端点检测我们采用的是短时能量短时过零率双门限端点检百分比作为特征参数。先经过训练阶段得到模板数据，然后在识别测。阶段得到待测语音和模板语音特征参数的距离，选取距离最小的作