基于新型小波滤波器的语音识别特征提取方法

doi:10.3969/j.issn.1006-2475.2010.03.032

计算机与现代化 ›› 2010, Vol. 1 ›› Issue (3): 111-4.doi: 10.3969/j.issn.1006-2475.2010.03.032

基于新型小波滤波器的语音识别特征提取方法

柏懋睿,郑郁正,张杰

成都信息工程学院，四川成都 610225

收稿日期:2009-08-07 修回日期:1900-01-01 出版日期:2010-03-20 发布日期:2010-03-20

Feature Extraction Method Based on New Wavelet Filter in Speech Recognition

BAI Mao-rui,ZHENG Yu-zheng,ZHANG Jie

Chengdu University of Information Technology, Chengdu 610225, China

Received:2009-08-07 Revised:1900-01-01 Online:2010-03-20 Published:2010-03-20

摘要/Abstract

摘要：

介绍一种基于新型小波听觉滤波器组的语音识别特征提取方法。按照人耳听觉临界频带带宽设计一组新型小波带通滤波器组，并详细计算给出构建新型小波滤波器所需要的尺度参数。采用SDA9000串行信号分析仪进行频谱分析，使用型号为MIC 3000 Compact PCI Industrial Computer的LSP设备进行FPGA硬件仿真，使用协同神经网络进行模式识别，建立基于Matlab GUI的仿真界面，与高斯小波滤波器组模型所得仿真结果进行对比，从功率谱图和识别结果上进行分析，证明新型小波滤波器组具有更优的识别率和抗噪性。

关键词: 语音识别, 听觉模型, 听觉滤波器, 临界频带, 小波滤波器

Abstract:

This paper introduces a feature extraction method based on a new wavelet filter. At first, the new wavelet’s theory is introduced. Then， the new wavelet filter is designed according to the concept of human critical frequency band， and the scale parameter which the new wavelet filter need is given. The SDA9000 is used for spectral analysis, the LSP is applied for FPGA hardware simulation. The SNN (Synergetic Neural Networks) is used in train and recognition, and the Gauss wavelet filter is used to compare with the new wavelet filter. The characteristics of numerical and application for the methods are illustrated by using PC simulation of Matlab GUI. After the analysis of the spectrogram and the recognition result, it is found that the new wavelet filter has higher recognition rate and better robustness than traditional feature.

Key words: speech recognition, auditory model, auditory filter, critical bands, wavelet filter

柏懋睿;郑郁正;张杰. 基于新型小波滤波器的语音识别特征提取方法[J]. 计算机与现代化, 2010, 1(3): 111-4.

BAI Mao-rui;ZHENG Yu-zheng;ZHANG Jie. Feature Extraction Method Based on New Wavelet Filter in Speech Recognition [J]. Computer and Modernization, 2010, 1(3): 111-4.

[1]	许鸿奎, 张子枫, 卢江坤, 周俊杰, 胡文烨, 姜彤彤. 混合CTC/Attention模型在普通话识别中的应用[J]. 计算机与现代化, 2022, 0(08): 1-6.
[2]	张允耀, 黄鹤鸣, 张会云, . 复杂噪声环境下语音识别研究[J]. 计算机与现代化, 2021, 0(09): 68-74.
[3]	更藏措毛1,2,黄鹤鸣1,2. 双向循环神经网络在语音识别中的应用[J]. 计算机与现代化, 2019, 0(10): 1-.
[4]	缑新科1，2，3,徐高鹏1，2，3. 基于Gabor滤波的语音识别鲁棒性研究[J]. 计算机与现代化, 2018, 0(05): 20-.
[5]	邹灿,李柏岩. 基于BIC的语音识别模型压缩算法[J]. 计算机与现代化, 2014, 0(6): 71-73,78.
[6]	张海英;范志强. 提升二进小波滤波器的构造方法研究[J]. 计算机与现代化, 2013, 1(1): 22-24.
[7]	张婧婧;李勇伟;达新民. 基于16位单片机语音识别技术的应用与研究[J]. 计算机与现代化, 2012, 203(7): 176-178.
[8]	靳月英. 语音识别ASIC中端点检测算法研究与实现[J]. 计算机与现代化, 2011, 12(12): 57-59，7.
[9]	马红星王海坤刘聪. 命令词语音识别系统的置信度改进方法 [J]. 计算机与现代化, 2011, 194(10): 146-149.
[10]	严乐贫;奉小慧. 双模态车载语音控制仿真系统的设计与实现[J]. 计算机与现代化, 2010, 1(8): 211-215.
[11]	杨靖;刘晓刚;尹小静. 基于普适计算的交互汉语学习系统[J]. 计算机与现代化, 2010, 1(5): 130-134.
[12]	叶蕾;方鹏. 文本无关的说话人识别系统抗噪方法研究[J]. 计算机与现代化, 2010, 1(10): 16-19.
[13]	魏星;周萍. 语音识别系统及其特征参数的提取研究[J]. 计算机与现代化, 2009, 169(9): 167-168.
[14]	孔祥勇;宋健. 语音检索在中医处方信息系统中的应用[J]. 计算机与现代化, 2009, 1(10): 175-4.
[15]	张俊;危韧勇. 基于连续HMM语音识别系统的构建与分析[J]. 计算机与现代化, 2009, 1(10): 169-3.

基于新型小波滤波器的语音识别特征提取方法

Feature Extraction Method Based on New Wavelet Filter in Speech Recognition

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价