【技术实现步骤摘要】
一种语音识别方法及语音识别系统
本专利技术涉及语音识别
，特别涉及一种语音识别方法及语音识别系统。
技术介绍
随着计算机技术和信息技术的发展，语音交互已经成为人机互动的必要手段，在这种形势下，如何让计算机智能化地与人通信，使人机交流更加自然方便成为现代计算机科学的一个重要研究课题。完整的语音识别系统包括了预处理、特征参数提取、相似比较以及识别成功的后续步骤。在预处理中，分帧、端点检测等都是重要的处理手段，对语音信号进行预处理能够加大系统的识别成功率；端点检测技术能够提取信号中的语音部分，在减少系统计算量的同时，提高了整体的识别精度。同时，语音识别系统采用特征值对比来识别命令，将频域内的语音信号进行处理后取其系数表示该段信号的特征值。然而现有技术中，对端点检测提取语音数据部分，效果较差，难以提取有效的语音数据，造成语音识别出现错误。动态时间规整是特征匹配算法里的一种重要的方法，现有技术中，语音识别的过程中，每段语音信号的时间长度不会保持相同，而且每个词内部各个部分的相对时长也是随机变化的，因此现有技术中采用的特征矢量来进行相似性的比较，其效果往往较差。因此，为...
【技术保护点】
1.一种语音识别方法，其特征在于，所述方法包括：获取语音信号，转换为语音数据，对语音数据进行预处理剔除无关噪声；从剔除无关噪声后的语音数据中提取线性预测倒谱系数，得到语音数据的特征部分；将提取的语音数据特征与模板库中的语音数据进行相似度匹配，其中，对提取的语音数据特征进行动态时间规整，包括：定义代价函数Φ[(ni，mi)]＝(ni‑1，mi‑1)，表示动态时间规整路径当前点(ni,mi)的前一网格点(ni‑1,mi‑1)，动态时间规整路径上的点满足如下约束：a、动态时间规整路径上的起始点(1,1)，终止点(N，M)；b、以所述起始点和终止点作为某一平行四边形相对的顶点，动态...
【技术特征摘要】
1.一种语音识别方法，其特征在于，所述方法包括：获取语音信号，转换为语音数据，对语音数据进行预处理剔除无关噪声；从剔除无关噪声后的语音数据中提取线性预测倒谱系数，得到语音数据的特征部分；将提取的语音数据特征与模板库中的语音数据进行相似度匹配，其中，对提取的语音数据特征进行动态时间规整，包括：定义代价函数Φ[(ni，mi)]＝(ni-1，mi-1)，表示动态时间规整路径当前点(ni,mi)的前一网格点(ni-1,mi-1)，动态时间规整路径上的点满足如下约束：a、动态时间规整路径上的起始点(1,1)，终止点(N，M)；b、以所述起始点和终止点作为某一平行四边形相对的顶点，动态时间规整路径上的点全部落入所述平行四边形内；不断迭代所述代价函数，使提取的语音数据特征与模板库中的语音数据匹配。2.根据权利要求1所述的方法，其特征在于，所述预处理包括，语音数据进行采样和量化，语音数据预加重处理，语音数据加窗、分帧处理，以及通过语音数据端点检测剔除无关噪声。3.根据权利要求2所述的方法，其特征在于，所述语音数据端点检测通过短时能量判断语音数据端点，短时能量通过如下方法表述：其中，o(j)为第帧语音数据，j为帧数，g(t)为对数化的一维短时能量，I窗长，n为当前窗内第一帧语音数据。4.根据权利要求3所述的方法，其特征在于，所述语音数据端点检测通过短时能量判断语音数据端点，将短时能量与端点检测滤波器卷积：其中，H(i)为端点检测滤波器，g(t)为对数化的一维短时能量，F(t)为短时能量与端点检测滤波器卷积后得到的语音数据，当F(t)小于某一阈值，则将该语音数据作为无关噪声剔除。5.根据权利要求1所述的方法，其特征在于，所述模板库的语音数据通过如下方法训练得到：获取训练语音，转换为训练语音数据，对训练语音数据进行预处理剔除无关噪声；从剔除无关噪声后的训练语音数据中提取线性预测倒谱系数，得到训练语音数据的特征部分；将得到的训练语音的特征部分送入模板库。6.一种语音识别系统，其特征在于，所述系统包...
【专利技术属性】
技术研发人员：林孝康，傅嵩，葛宛营，
申请(专利权)人：重庆高开清芯科技产业发展有限公司，
类型：发明
国别省市：重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。