锐客网

  1. 首页 > 睿知 > >

语音识别倒谱分析,梅尔频率倒谱系数语音识别

睿知经验分享

采用两级识别框架来提高语音的区分能力，其中第一级识别用于确定识别候选结果，第二级识别用于区分易混淆的结果 。谁知道语音 识别这个知识?。。「咝阅苤形氖钟镆?2/算法李，刘佳 ， 刘润生摘要:提出了一种高性能中文数字语音-2/(MDSR)系统，语音 识别的参数经过共振峰分析和线性预测倒谱参数，现在得到主流应用中使用的MFCC倒谱参数 ， 基本都是基于短时谱估计 。

1、EMSR具体含义是什么?嵌入式中文语音-2/嵌入式语音识别引擎1 。语音-2/技术介绍自20世纪50年代贝尔实验室的研究以来 ， 语音 识别技术发展了半个世纪，研究人员对其进行了不懈的研究 。语音 识别的参数经过共振峰分析和线性预测倒谱参数，现在得到主流应用中使用的MFCC倒谱参数，基本都是基于短时谱估计 。
【语音识别倒谱分析,梅尔频率倒谱系数语音识别】
虽然有学者研究了人工神经网络、支持向量机、遗传算法，但其识别性能始终无法超越HMM 。目前基于HMM的语音-2/理论体系基本成熟 。换句话说，对语音-2/的理论研究基本上没有什么新意 。然而，目前各种-1 识别系统的性能仍然不能满足自然对话的需要，这与广泛使用和认可的text识别形成了鲜明的对比 。各种证据表明，基于倒谱参数和HMM的理论体系并没有抓住语音 识别技术的核心，这个理论模仿的是人的嘴，不是耳朵 ， 不是大脑 。

2、基于Fbank的 语音数据特征提取Fbank是提取语音特征参数的方法之一，由于其独特的基于倒谱的提取方法，更符合人的听觉原理，是语音最常用、最有效的特征提取算法 。基于滤波器组特征，Fbank特征提取方法等价于MFCC去除最后一个离散余弦变换(有损变换) 。与MFCC特征相比，Fbank特征保留了更多的原始语音数据 。

语音阅读与可视化:结果:预加重实际上是指语音信号通过高通滤波器 ， 增强语音信号的高频部分，并保持在从低频到高频的整个频带内，利用相同的信噪比即可得到频谱 。本实验中，高通滤波器的传递函数为:预加重系数a0.97 ， 其中A的值在0.91-0之间，我们通常取0.97 。同时，预加重也是为了消除发生过程中声带和嘴唇的影响，补偿发音系统抑制的语音信号的高频部分，也是为了突出高频的共振峰 。

    推荐阅读


    上一篇：通信技术地域分析,现代通信技术社会环境分析

    下一篇：去痣的危害需注意事项