[發(fā)明專利]一種基于小波包分解及混合高斯模型估計的語音識別方法

無效

• 申請?zhí)枺?/td>: 200710061240.2
• 申請日: 2007-09-28
• 公開（公告）號: CN101188107A
• 公開（公告）日: 2008-05-28
• 發(fā)明（設計）人: 李春利;董冠靈;郭倩;肖春景;張敏
• 申請（專利權(quán)）人: 中國民航大學
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/02;G10L15/06;G10L15/14;G10L15/28;G10L19/12
• 代理公司: 天津佳盟知識產(chǎn)權(quán)代理有限公司
• 代理人: 侯力

1.一種基于小波包分解及混合高斯模型估計的語音識別方法，其特征在于該方法的具體步驟如下：

第1、對已知語音訓練樣本數(shù)據(jù)進行預處理，得到標準化的M維特征向量；

第2、對上步得到的訓練樣本的特征向量進行n級小波包分解，得到訓練樣本在各個頻段上的分解值；其中n＝log₂(M)-1，頻段個數(shù)為S_f＝M/2；

第3、按照類別、頻段將上步得到的訓練樣本的小波包分解值動態(tài)聚類成子類，計算每個子類的均值向量和協(xié)方差矩陣；

第4、為每類訓練樣本在各個頻段構(gòu)造高斯模型集；

第5、按照類別計算訓練樣本頻段之間的前向轉(zhuǎn)移概率矩陣和后向轉(zhuǎn)移概率矩陣；

第6、導入所有訓練樣本的高斯模型集，計算待測試樣本的分布概率；

第7、計算待測試樣本的分布概率的估計值，判斷待測試樣本的類別。

2.如權(quán)利要求1所述的語音識別方法，其特征在于，第1步對語音訓練樣本數(shù)據(jù)進行預處理的方法是：

第1.1、對每個訓練樣本語音數(shù)據(jù)(x_i)_1×N首先進行快速傅立葉變換；

第1.2、提取訓練樣本的1到M維特征向量y＝(y₁，y₂，…，y_M)∈R^M，其中M為維數(shù)，按照內(nèi)積空間R^M中的距離‖y‖＝<y，y>^1/2，其中(·，·)表示內(nèi)積空間的內(nèi)積，把向量y標準化，即y~=y/||y||,]]>其中‖y‖定義為：||y||2=(Σi=1Myi2)1/2]]>表示向量的長度，R^M中其它的內(nèi)積定義也是適用的，而且所有的標準化之后的訓練樣本數(shù)據(jù)y~∈RM]]>按照類別分別構(gòu)成訓練樣本集Ωⁱ_R^M，i＝1，...，L，這里L為樣本類別數(shù)，所有標準化之后的訓練樣本構(gòu)成集合Ω=∪i=1LΩi⊆RM.]]>

3.如權(quán)利要求2所述的語音識別方法，其特征在于，其中維數(shù)M取2048，1024、512、256、128、或64中任一數(shù)。