基于ISOMAP語音特征提取的研究與DSP實現(xiàn).pdf

1、語音特征提取是語音識別前端處理過程中最后一個環(huán)節(jié)也是最重要的環(huán)節(jié)，直接影響著語音識別系統(tǒng)的性能;另一方面，隨著便攜式設(shè)備的廣泛使用，嵌入式語音識別系統(tǒng)具有廣闊的市場需求。
　　 本文針對嵌入式平臺的實時語音識別系統(tǒng)展開研究，主要研究特征提取算法的魯棒性，結(jié)合語音信號非線性特點對梅爾頻率倒譜系數(shù)(Mel Frequency CepstralCoefficients，MFCC)進行改進，提出了一種具有較好魯棒性的語音特征提取方法，并

2、在DSP(Digital Signal Processor)平臺上實現(xiàn)了一個實時語音前端處理系統(tǒng)。
　　 MFCC與其它特征提取方法相比，具有良好的魯棒性、復(fù)雜度較低等優(yōu)點，但其提取過程中的離散余弦變換(Discrete Cosine Transform，DCT)是一種基于局部最優(yōu)原則的純數(shù)學(xué)計算方法，冗余度較高，同時它是一種線性變換過程，無法適應(yīng)語音的非線性特點，造成信號表征不準確，嚴重影響系統(tǒng)的魯棒性。針對這些不足，本文采用

3、基于數(shù)據(jù)驅(qū)動的等距映射(Isometric Mapping，ISOMAP)算法，首先用ISOMAP對樣本數(shù)據(jù)進行訓(xùn)練得到樣本-ISOMAP變換矩陣，然后用該變換矩陣替換MFCC算法過程中的DCT變換，最后得到S-ISOMAP-MFCC特征。
　　 利用MATLAB及英國劍橋大學(xué)開發(fā)的開源語音識別工具包HTK，本文構(gòu)建了一個基于HMM自動語音識別實驗評價系統(tǒng)。利用該評價系統(tǒng)對本文提出的算法同其他算法進行測試和對比。實驗數(shù)據(jù)表明，在

4、不同噪聲環(huán)境以及不同信噪比下，新的改進算法能獲得比MFCC更高的識別率，提高了語音識別系統(tǒng)的魯棒性。
　　 本文選擇一款高性能嵌入式平臺——TMS320F28335 DSP，將基于S-ISOMAP的改進MFCC算法的語音前端處理系統(tǒng)移植到該DSP平臺上。本文采用離線處理方法，在PC機上用ISOMAP算法訓(xùn)練模板庫語音數(shù)據(jù)，得到S-ISOMAP變換矩陣并保存到DSP平臺的存儲空間中，直接用于提取S-ISOMAP-MFCC特征的處理