The investigation and comparison for the method of common vector on speech digits recognition

本論文主要是利用「共同向量」來建構語音模型及辨識比對，看辨識比對的切割音框數大小，和子母音切割不同是否影響辨識的能力，目的是希望看什麼音框數之下切割子音和母音比例，有較佳的辨識能力。 在此論文中探討國語數字0~9的語音辨識，利用前處理切割音框壓縮和擴張到5、10、20、30、50、70、90、110、130個音框數，再將子音和母音切割一定的比率2.25：7.75、2：8、1.75：8.25、1.5：8.5、1.25：8.75，最後使用共同向量的方法，求出具代表性的共同向量，再做辨識比對的工作，辨識出較正確的語音。 本實驗語音資料由21人中進行錄音，其中為12位男生、9位女生，每個人念0~9的音各三次，之後取音，其中的前兩次共420個音為訓練語音的模型，第三次的語音210做為特定語者辨識系統時的測試語音，接下來對語音資料庫內所有的語音做前處理動作，其中含有數位取樣、常態化、語音端點偵測、切割音框、預強調、視窗化等六個步驟，再求出多組維度不固定的倒頻譜參數，將音框數壓縮或擴張成m = 5、10、20、30、50、70、90、110、130個，再將每個音求出多組的特徵向量、變成一組的特徵向量矩陣。最後用共同向量法建構語音模型和辨識比對。辨識結果最好在取音框70個、子母音比為1.25：8.75，其中辨識率為99.05％。目 錄 第一章 緒論............................1 1.1 研究動機及目的.....................1 1.2 語音專有名詞簡介...................2 1.2.1 子音和母音.......................2 1.2.2 音強(intensity)..................3 1.2.3 音頻.............................3 1.2.4 音色.............................4 1.3 語音辨識介紹.......................4 1.4 語音辨識方法概述...................7 1.4.1 語音前處理.......................7 1.4.2 音框數壓縮與擴展................11 1.4.3 訓練出語音模型和辨識比對........11 1.5 論文架構..........................13 第二章 語音訊號前處理與取特徵值.......15 2.1前言...............................15 2.2語音前處理.........................15 2.2.1 取樣............................15 2.2.2 常態化..........................17 2.2.3 端點偵測........................18 2.2.4 切割音框........................20 2.2.5 預強調..........................21 2.2.6 視窗化..........................22 2.3 特徵值的求取......................23 2.3.1 用線性預估係數導出倒頻譜參數....24 2.3.2 差量倒頻譜 (delta cepstrum).....28 第三章 語音模型的建立與辨識方法.......30 3.1前言...............................30 3.2音框的壓縮與擴張...................30 3.2.1 音框數超過m.....................30 3.2.2 音框數少於m.....................32 3.2.3 音框數等於m.....................32 3.3建構模型的方法.....................32 3.3.1 共同向量基本原理................32 3.3.2 結論............................37 3.4 辨識的方法........................37 3.4.1 待測語音的處理..................38 3.4.2 比對的方法......................39 第四章 實驗操作流程與實驗結果........40 4.1 操作介面..........................40 4.2 實驗流程..........................41 4.2.1 語音的來源......................41 4.2.2 影響辨識率的可能因子............41 4.2.3 建構語音模型....................43 4.2.4 辨識結果........................44 4.2.5 實驗結果與比較..................46 第五章 結論..........................48 參考文獻..............................49 附錄一 切割不同音框與不同子母音比之 辨識率介面圖..........................5