[發明專利]一種應用于英語口語網絡機考系統的語音識別裝置

無效

• 申請號: 201110268976.3
• 申請日: 2011-09-13
• 公開（公告）號: CN102436815A
• 公開（公告）日: 2012-05-02
• 發明（設計）人: 劉健剛;李霄翔;儲琢佳;董靜;魏昕;唐加能;趙力;張萍;李魯
• 申請（專利權）人: 東南大學
• 主分類號: G10L19/00
• 分類號: G10L19/00;G10L19/02;G10L15/06
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 朱戈勝

1.一種用于英語口語網絡機考的語音識別裝置，其特征在于，包括輸入接口模塊、模數轉換器、數字信號處理器模塊、程序存儲器、數據存儲器和輸出接口模塊；語音信號依次經輸入接口模塊和數轉換器連接數字信號處理器模塊的信號輸入端；數字信號處理器模塊的信號輸出端連接輸出接口模塊；所述程序存儲器和數據存儲器通過程序/數據總線連接數字信號處理模塊的通用輸入/輸出端；

在程序存儲器里存放提示語音，在數據存儲器里存放所有的碼本及采樣的語音數據，

所述的數字信號處理模塊包括特征提取子模塊、訓練子模塊和識別子模塊；由特征提取子模塊和訓練子模塊完成訓練流程，由特征提取子模塊和識別子模塊完成識別流程；

特征提取子模塊對輸入的語音提取相應的特征參數，步驟包括先對語音進行預加重，再加窗分幀，然后對每一幀語音求取MEL倒譜系數，用該系數作為該幀語音的特征參數；

對于訓練流程，訓練子模塊對語音的特征參數，通過改進的矢量量化的訓練算法，生成后續識別時需要用到的碼本；

對于識別流程，識別子模塊計算語音的特征參數與每個通過訓練所生成的碼本之間的歐氏距離，選出距離最小的碼本所在的類作為識別結果輸出。

2.根據權利要求1所述的裝置，其特征是所述改進的矢量量化的訓練算法，步驟包括：

首先用分裂法產生只有兩個矢量的初始碼本，再用LBG算法聚類，生成兩個子集；在兩個子集中分別用分裂法各產生兩個矢量的碼本，再用LBG算法優化；如此反復M次可產生含2^M個矢量的碼本，所述M的值根據在英語口語網絡機考中具體需要區分的英語語音類別進行設定，取值范圍為M＝2～10。

3.根據權利要求1所述的裝置，其特征是特征提取子模塊對輸入語音信號提取其相關的特征參數，過程為：將語音信號經過采樣，1-aZ^-1的預加重，并且通過加窗將其分為一幀一幀的語音；

對每一幀語音s_n，首先進行線性預測分析，通過Levinson-Durbin算法求出其p階的線性預測系數LPC?a₁，a₂，...，a_p；

接著，由LPC通過遞推，獲得倒譜系數c₁，c₂，...，c_p，遞推公式如下：

c₁＝a₁

ci=Σk=1n-1(1-k/i)akci-k+ai,1<i≤P---(1)]]>

把倒譜系數進一步按人耳的聽覺特性變換，得到如下所示的MEL倒譜參數：

MCk(n)=cn+α·MC0(n+1)k=0(1-α2)·MC0(n+1)+α·MC1(n+1)k=1MCk-1(n+1)+α(MCk(n+1)-MCk-1(n))k>1---(2)]]>

其中，式(1)中的c_k和式(2)中為c_n表示倒譜系數，MC_k表示美爾倒譜系數，n為迭代次數，k為MEL倒譜階數，取n＝k；迭代是從高往低，即n從大到0取值，最后求得的MEL倒譜系數放在MC₀(0)，MC₁(0)，...，MC_p(0)中。