[其他]一種語音特征的提取和識別方法

無效

• 申請號: 85100083
• 申請日: 1985-04-01
• 公開（公告）號: CN85100083A
• 公開（公告）日: 1986-08-06
• 發明（設計）人: 黃順珍;蔡蓮紅
• 申請（專利權）人: 清華大學
• 主分類號: G10L5/06
• 分類號: G10L5/06
• 代理公司: 清華大學專利事務所
• 代理人: 王久春

本方法屬于模式識別技術范圍。

利用通用頻譜分析儀對語言進行頻譜分析，并進行識別，其系統價格昂貴，識別率不高。如俞鐵成，通用實時語音識別系統-RTSRS（01），物理學報，1978，No.5。清華大學計算機工程與科學系語音識別科研組，應用微處理機識別語音，清華大學學報，第21卷，第3期，1981年。

本發明提出一種有效地壓縮語譜數據的方法，以推動語音輸入的應用。

本方法具有如下特點：①識別率高，利用本方法對0-9十個數字的自然發音（非電報發音）進行識別，連呼1200次，識別結果錯2次，識別率達99.8%;對牡丹江-北京-廣州128個快車站各進行識別（無挑選）連呼1152次，錯26次，識別率達97.7%。②每單詞語音特征所占內存少，僅24字節。③方法簡單，可在一般微處理機上移植本方法。

語音特征的提取和識別方法如圖1所示。各部分簡述如下：

①提取原始語譜矩陣

語音信息經頻譜分析儀做予處理后送給計算機，軟件以10ms周期對語音信息采樣，并且自動判定語音開始和結束：當連續采得10組高于門檻的數據，即認為語音開始。當連續采得10組低于門檻的數據，即判定語音結束。

一旦判定語音開始，就將采得的一組16個數據做為矩陣的第一行，16個數據對應240Hz-6500Hz的16個頻道，第二次采得的數據做為矩陣的第二行，語音結束前得到N行，構成N×16原始語譜矩陣A：

②數據處理與特征抽取

通過非線性分塊，將時間規劃成m塊，對孤立調匯，常取m＝6，即規劃成6塊。信息變化激烈的部分該塊取組數少一些，反之則取組數多一些，用以反映語音變化緩急情況的是矩陣D：

d_H＝Σj = 116]]>｜a_H，j-a_H+1，j｜

d_H大者，說明以H時刻到H+1時刻語譜變化激烈，反之則變化緩慢。以下式為分塊尺度（分六塊時）：

△D＝ 1/6ΣH = 1N - 1]]>d_H

滿足下式時第一塊從第一行到P₁行：

ΣH = 1P 1- 1]]>d_H+ 1/2 dP₁＜△D≤ΣH = 1P 1]]>+ 1/2 dP₁+1

滿足下式時，第二塊從P₁+1行到P2行

ΣH = 1P2- 1]]>+ 1/2 dP₂＜2·△D≤ΣH = 1P2]]>d_H+ 1/2 dP₂+1