[發(fā)明專利]一種語(yǔ)音辨識(shí)定點(diǎn)化處理方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200710306524.3
• 申請(qǐng)日: 2007-12-28
• 公開(kāi)（公告）號(hào): CN101217034A
• 公開(kāi)（公告）日: 2008-07-09
• 發(fā)明（設(shè)計(jì)）人: 趙仁宏;陳淮琰
• 申請(qǐng)（專利權(quán)）人: 無(wú)敵科技（西安）有限公司
• 主分類(lèi)號(hào): G10L15/00
• 分類(lèi)號(hào): G10L15/00;G10L15/28
• 代理公司: 西安智邦專利商標(biāo)代理有限公司
• 代理人: 商宇科

技術(shù)領(lǐng)域

本發(fā)明涉及一種語(yǔ)音辨識(shí)定點(diǎn)化處理方法，尤其是關(guān)于以整數(shù)算法來(lái)實(shí)現(xiàn)語(yǔ)音辨識(shí)定點(diǎn)化處理的方法。

背景技術(shù)

隨著科技的進(jìn)步，各式各項(xiàng)的電子產(chǎn)品推陳出新，然而對(duì)于多數(shù)不熟悉電子產(chǎn)品的使用者而言，使用接口仍是使用電子產(chǎn)品的最大障礙。不友善的使用界面不僅讓使用者感到挫折，甚至讓有些使用者對(duì)使用電子產(chǎn)品覺(jué)得反感與恐懼。因此，「口語(yǔ)對(duì)話」這種最方便、自然、不需要特別學(xué)習(xí)就能使用的溝通媒介，長(zhǎng)久以來(lái)就被高度地期待。隨著行動(dòng)通訊的發(fā)展，這樣的需求也愈來(lái)愈迫切。在可預(yù)見(jiàn)的未來(lái)，手持的行動(dòng)裝置將不僅是人們溝通的工具，更將會(huì)是人們獲取信息的重要工具。而手持設(shè)備走向輕、薄、短、小的趨勢(shì)，使得語(yǔ)音對(duì)話技術(shù)在下一代行動(dòng)通訊系統(tǒng)中變得不可或缺，在硬件技術(shù)的進(jìn)步，語(yǔ)音辨識(shí)已能應(yīng)用于手機(jī)、PDA、玩具等小型裝置上，但僅能做到簡(jiǎn)單的撥號(hào)或命令控制功能，還未能夠支持自然的口語(yǔ)對(duì)話功能。而此些小型裝置的體積越做越小功能卻越做越強(qiáng)，幾乎各種多媒體應(yīng)用都被希望能放入這些產(chǎn)品中，使得此類(lèi)消費(fèi)產(chǎn)品更具市場(chǎng)吸引力；語(yǔ)音辨識(shí)便是其中一項(xiàng)，在小型化的產(chǎn)品上提供最直接及方便的輸入方式，例如：聲控自動(dòng)撥號(hào)。然而在有限資源的硬件及軟件上，處理單元執(zhí)行速度慢，內(nèi)存小，許多在計(jì)算機(jī)平臺(tái)上開(kāi)發(fā)的技術(shù)及算法都必須做大幅修正才能放進(jìn)這類(lèi)平臺(tái)內(nèi)，以提升辨識(shí)速度，減少內(nèi)存使用量以符合硬件規(guī)格，同時(shí)還需確保辨識(shí)效能不因此而變差。

發(fā)明內(nèi)容

本發(fā)明為解決背景技術(shù)中存在的上述技術(shù)問(wèn)題，而提供一種減少硬件資源的使用量的語(yǔ)音辨識(shí)定點(diǎn)化處理方法。

本發(fā)明的技術(shù)解決方案是：本發(fā)明為一種語(yǔ)音辨識(shí)定點(diǎn)化處理方法，其特殊之處在于：該方法包括以下步驟：

11)提供語(yǔ)音訊號(hào)；

12)利用整數(shù)算法求取語(yǔ)音訊號(hào)的倒頻譜系數(shù)；

13)建立語(yǔ)音訊號(hào)的長(zhǎng)整數(shù)型態(tài)的聲學(xué)模型；

14)利用倒頻譜系數(shù)與聲學(xué)模型進(jìn)行維特比算法，得到辨識(shí)比對(duì)值。

上述步驟12)中利用整數(shù)算法求取語(yǔ)音訊號(hào)的倒頻譜系數(shù)的具體步驟如下：

21)獲取語(yǔ)音訊號(hào)形成音框；

22)集中音框中的語(yǔ)音訊號(hào)的能量；

23)轉(zhuǎn)換音框中的語(yǔ)音訊號(hào)，形成頻譜頻域中的頻譜訊號(hào)；

24)取得頻譜訊號(hào)的平方后，輸入三角濾波器；

25)將經(jīng)過(guò)濾波的數(shù)值取自然數(shù)對(duì)數(shù)，得到對(duì)數(shù)值，自然數(shù)對(duì)數(shù)的求取為利用其運(yùn)算特性，在乘上一常數(shù)后，所建對(duì)數(shù)表求取；

26)經(jīng)由離散余弦變換后，得到梅爾倒頻譜系數(shù)。

本發(fā)明的語(yǔ)音辨識(shí)定點(diǎn)化處理方法，利用整數(shù)算法求取語(yǔ)音訊號(hào)的倒頻譜系數(shù)，并建立語(yǔ)音訊號(hào)的一長(zhǎng)整數(shù)型態(tài)的聲學(xué)模型，最后利用倒頻譜系數(shù)與聲學(xué)模型進(jìn)行維特比算法，得到辨識(shí)比對(duì)值。通過(guò)整數(shù)算法及長(zhǎng)整數(shù)型態(tài)的聲學(xué)模型，來(lái)實(shí)現(xiàn)語(yǔ)音辨識(shí)定點(diǎn)化處理，可減少硬件資源的使用量。

附圖說(shuō)明

圖1是本發(fā)明的方法流程圖；

圖2是本發(fā)明的求取梅爾倒頻譜系數(shù)流程圖；

圖3是本發(fā)明的求取梅爾倒頻譜系數(shù)的具體實(shí)施例流程圖。

具體實(shí)施方式

參見(jiàn)圖1，本發(fā)明的語(yǔ)音辨識(shí)定點(diǎn)化處理方法如下：

S11：提供語(yǔ)音訊號(hào)；

S12：利用整數(shù)算法求取語(yǔ)音訊號(hào)的倒頻譜系數(shù)；

S13：建立語(yǔ)音訊號(hào)的一長(zhǎng)整數(shù)型態(tài)的聲學(xué)模型；

S14：利用倒頻譜系數(shù)與聲學(xué)模型進(jìn)行維特比算法，得到辨識(shí)比對(duì)值。

上述的倒頻譜系數(shù)包括為一梅爾倒頻譜系數(shù)(Mel-Frequency?CepstrumCoefficients，MFCC)，長(zhǎng)整數(shù)型態(tài)的聲學(xué)模型所存的數(shù)值可表示為Mean*32768*2048、Variable*32768*2048、(Transition?Probability)*32768及Gconst*32768，于求取辨識(shí)比對(duì)值時(shí)，Mean與Variable與梅爾倒頻譜系數(shù)C_M作運(yùn)算，其結(jié)果再與Gconst及Transition?Probability作運(yùn)算，經(jīng)由前述定點(diǎn)方式求得的C_M值已scale?32768*2048，因此將Mean與Variable?scale32768*2048后與C_M值運(yùn)算，再將運(yùn)算結(jié)果值向右移11bits，再與scale為32768之Gconst及Transition?Probability作運(yùn)算。

參見(jiàn)圖2，梅爾倒頻譜系數(shù)的求取步驟如下：

S21：獲取語(yǔ)音訊號(hào)形成復(fù)數(shù)個(gè)音框；

S22：集中音框中的語(yǔ)音訊號(hào)的能量；