嵌入式實(shí)時(shí)音樂(lè )語(yǔ)音識別系統的實(shí)現

2.2端點(diǎn)檢測

端點(diǎn)檢測是語(yǔ)音識別中的的一個(gè)關(guān)鍵，也是一個(gè)難點(diǎn)，端點(diǎn)檢測的好壞直接影響后面的語(yǔ)音特征參數提取，影響語(yǔ)音識別的效果。其目的就是從帶有噪聲的語(yǔ)音中檢測出說(shuō)話(huà)人的語(yǔ)音命令, 找出語(yǔ)音段開(kāi)始和結束的時(shí)點(diǎn)。本系統使用語(yǔ)音信號的能量曲線(xiàn)結合過(guò)零率來(lái)進(jìn)行端點(diǎn)檢測[5]，整個(gè)過(guò)程如圖3所示。由于人聲的樂(lè )音信號范圍在50-1000HZ，首先對原語(yǔ)音信號進(jìn)行不同頻段的信號濾波，得到六個(gè)頻段濾波后的能量曲線(xiàn)， E（1）為50-1000HZ段的語(yǔ)音信號，E（2）100-1000HZ段的語(yǔ)音信號，E（3）200-1000HZ段的語(yǔ)音信號 ，E（4）400-1000HZ段的語(yǔ)音信號，E（5）600-1000HZ段的語(yǔ)音信號，E（5）800-1000HZ段的語(yǔ)音信號。能量分割是依據峰谷點(diǎn)檢測來(lái)進(jìn)行的，利用能量曲線(xiàn)峰谷點(diǎn)地變化，把能量曲線(xiàn)中的語(yǔ)音段分割出來(lái)，且把語(yǔ)音段的起點(diǎn)和終點(diǎn)作為我們要求得端點(diǎn)。但是由于語(yǔ)音信號變化情況復雜，尤其是語(yǔ)音連讀緊密的情況下，基于能量曲線(xiàn)的語(yǔ)音分割方法可能分割不開(kāi)，所以，本系統采用了改進(jìn)的能量曲線(xiàn)分割算法，通過(guò)對語(yǔ)音信號能像曲線(xiàn)分析，我們發(fā)現，不同頻段的能量曲線(xiàn)反映的特征不同，對語(yǔ)音信號進(jìn)行不同頻段的濾波最后得到的能量曲線(xiàn)放映的語(yǔ)音端點(diǎn)信息也不同，有些語(yǔ)音信號在高頻段的能量曲線(xiàn)中能很好的分割開(kāi)，所以，對語(yǔ)音信號進(jìn)行六個(gè)頻段的濾波得出的基于能量曲線(xiàn)分割的改進(jìn)算法，在判決依據中，賦予E（1）的權值為1，而E（2）、E（3）、E（4）、E（5）、E（6）要求兩個(gè)以上相同才被視為端點(diǎn)?；谒心芰壳€(xiàn)的分割點(diǎn)都要看過(guò)零率的門(mén)限是否滿(mǎn)足要求，改進(jìn)算法的用意是在盡可能準確的情況下盡量分割開(kāi)語(yǔ)言信號， 盡量保證不錯分, 盡量提高分割的準確度，避免誤分。

圖3 端點(diǎn)檢測流程圖

2.3語(yǔ)音特征參數提取

語(yǔ)音識別參數的提取較多，由于噪聲的的存在，考慮音樂(lè )語(yǔ)音識別系統的對識別的精度要求較高，本系統采用了經(jīng)典的美爾頻標倒譜參數MFCC[4]，MFCC參數建立在 Fourier 頻譜分析的基礎上，它的核心思想是利用人耳的感知特性，在語(yǔ)音的頻譜范圍內設置若干個(gè)帶通濾波器，每個(gè)濾波器具備三角或者正弦的形濾波特性，計算相應濾波器組的信號能量，再通過(guò) DCT 計算對應的倒譜系數，

圖4 MFCC參數求取過(guò)程

2.4語(yǔ)音信號的訓練與識別

音樂(lè )語(yǔ)音識別系統是一個(gè)專(zhuān)業(yè)性很強的詞匯量較小的語(yǔ)音識別系統，由于識別的速度要求較快，樂(lè )音中的詞匯量較少，通常情況下人聲能唱到的樂(lè )音的范圍只有幾十個(gè)（一般在4個(gè)八度以?xún)龋?。本系統采用采用了計算相對簡(jiǎn)單而有效的DTW算法來(lái)進(jìn)行語(yǔ)音識別。該算法基于動(dòng)態(tài)規劃的思想,將語(yǔ)音信號的每一幀信號的特征參數提取出來(lái),就轉化成了一組特征向量。語(yǔ)音識別就是要將這個(gè)特征向量同模板庫中已存的語(yǔ)音特征向量(參考模板)進(jìn)行模板匹配,尋找距離最短的模板。語(yǔ)音識別需要語(yǔ)音模板庫的建立,也就是語(yǔ)音模型的訓練。參照音樂(lè )語(yǔ)音音高頻率對照表，我們只對人聲范圍(60HZ-1000HZ即樂(lè )音中音名從C- )共四個(gè)八度32個(gè)音高進(jìn)行訓練，針對每首曲子中音高的范圍都是在一定范圍以?xún)鹊?，所以往往我們訓練訓練的樣本更少，較小的詞匯量使樂(lè )音識別的速度得到大大提高。

3實(shí)驗結果與分析

我們對系統的識別性能進(jìn)行了測試。由6個(gè)測試者(3男3女音樂(lè )專(zhuān)業(yè)人士)在安靜室內環(huán)境下,選擇方向性較好的麥克風(fēng)，進(jìn)行測試實(shí)驗。由于男生和女生一般能發(fā)音的音高不一樣，一般男生比女生偏低，首先讓6位測試者對照音名表把他(她)能發(fā)的音的全部錄音、訓練，再隨機選擇幾首曲子進(jìn)行測試，實(shí)驗結果表明, 在對特定人的樂(lè )音識別中，由于女生發(fā)音口齒比較清晰，男生比較發(fā)音渾厚，男生的正確識別率在95%以上，女生的正確識別率在97%以上，平均正確識別率在96%以上，滿(mǎn)足實(shí)用化要求。

4結　論

本文介紹了一種基于DSP的嵌入式音樂(lè )語(yǔ)音識別系統的軟硬件系統。在傳統的語(yǔ)音識別方法上結合音樂(lè )語(yǔ)音的特點(diǎn)作了一些改進(jìn)，敘述了音樂(lè )語(yǔ)音識別系統硬件結構、軟件流程，采用了一種基于多頻段能量曲線(xiàn)分割結合過(guò)零率來(lái)檢測端點(diǎn)的新方法，簡(jiǎn)化了運算量，進(jìn)一步提高了識別性能，把語(yǔ)音識別技術(shù)很好的用在電子音樂(lè )方面，實(shí)現了嵌入式實(shí)時(shí)音樂(lè )語(yǔ)音識別，實(shí)驗結果表明，本系統精度高，基本能滿(mǎn)足實(shí)用化需求。

本文作者創(chuàng )新點(diǎn)：

（1）把語(yǔ)音識別方法應用于電子音樂(lè )方面，設計并實(shí)現專(zhuān)業(yè)的音樂(lè )語(yǔ)音識別軟硬件系統，巧妙采用了濾波、消除毛刺等預處理方法，訓練了專(zhuān)業(yè)的音樂(lè )語(yǔ)音樣本，提高語(yǔ)音識別精度。

（2）建立了一種基于多頻段能量曲線(xiàn)分割結合過(guò)零率來(lái)檢測端點(diǎn)的新方法，在保證不錯分的情況下，提高了語(yǔ)音分割的正確率，同時(shí)結合過(guò)零率的門(mén)限，提高了端點(diǎn)檢測的精度。