融合LPCC和MFCC特征參數的語音識別技術的研究.pdf

1、隨著計算機技術和通信技術的快速進步與發(fā)展，人們迫切地需求實現人與計算機之間的交互，就是要讓機器能夠聽明白人類說出的話或者下達的命令，這就促使了語音識別技術得到了迅猛地發(fā)展和進步。經過60多年的研究和發(fā)展，語音識別技術的研究已經取得了一些較好的成果，但是要自然流暢地跟計算機進行語言交流還是存在一些難以解決的技術難題，有待相關專家和研究人員進行更進一步的研究和探索。
　　本文首先介紹了語音識別技術的一些基本原理、關鍵技術及系統(tǒng)框架。從

2、整體上研究和分析了語音識別系統(tǒng)的主要構成部分：預處理部分、特征提取部分、模型訓練部分、模型參數庫部分以及模式匹配部分。重點研究了LPCC特征參數和MFCC特征參數提取算法的詳細推導過程及具體實現步驟。LPCC特征參數提取過程是先對語音信號進行線性編碼技術LPC分析和計算，得到LPC系數，然后對其進行求倒譜得到LPCC系數。MFCC特征參數提取過程是對語音信號先進行FFT變換，然后經過MEL濾波器組，再進行取對數計算和DCT變換得到MFC

3、C系數。另外，還介紹一種新型的特征參數——LPMFCC，其提取過程是上述兩種特征參數提取過程的結合形式，即先求取LPC系數，再對其進行梅爾倒譜計算。在對比分析LPCC特征參數和MFCC特征參數的優(yōu)缺點的基礎上，提出了一種融合LPCC特征參數和MFCC特征參數提取算法——一種基于Fisher準則的融合特征參數提取算法，并設計了兩種算法實現方案。
　　本文的研究重點是對語音信號的特征參數提取算法的研究及改進。在對LPCC特征參數和MF

4、CC特征參數提取算法的研究和分析的基礎上，提出一種融合兩者特征參數提取算法，評價其算法的優(yōu)劣標準是對語音識別系統(tǒng)的識別率、時效性及抗噪性的影響。本文通過MATLAB仿真軟件進行了大量的對比實驗分析了這幾種特征參數提取算法對語音識別系統(tǒng)的各方面性能的影響。
　　實驗結果表明，本文提出的基于Fisher準則的融合特征參數提取算法提取得到的特征參數比LPCC特征參數和MFCC特征參數能夠更好地表征語音信號的特征，提高語音識別系統(tǒng)的識別率