[发明专利]可辨认任何语言句子的方法

权利要求书

1.一种可辨认所有语言句子的方法，其特征在于，其步骤包含：

(1)一个句子可能是任何语言一个单音，单字，名称或句子，先有M＝1000个不同声音；

(2)一个先前处理器删去在句子或声音之前及句子或声音之后，两单字之间及两音节之间，所有不具语音音波信号点的静音及杂音；

(3)一个声音或句子音波正常化及抽取特征方法：用E个相等弹性框，没有滤波器，不重叠，将一个声音或句子音波正常化，并转换成大小相等的线性预估编码倒频谱E×P矩阵；

(4)M＝1000不同声音的线性预估编码倒频谱E×P矩阵代表M＝1000不同资料库；

(5)使用者对已知句子清楚发音一次，删去在句子之前及句子之后，两单字及两音节之间，所有不具语音音波信号点的静音及杂音，用E个相等弹性框将一个已知句子具语音的音波正常化，并转换成大小相等的线性预估编码倒频谱E×P矩阵；

(6)用已知句子线性预估编码倒频谱E×P矩阵与所有M＝1000不同声音的线性预估编码倒频谱E×P矩阵之间距离或加权距离找最接近的资料库，将该已知句子的线性预估编码倒频谱E×P矩阵分到最接近的资料库内，同样，再用距离或加权距离，将全部要辨认的任何语言已知句子的线性预估编码倒频谱E×P矩阵分到和代表资料库声音的线性预估编码倒频谱E×P矩阵距离最近的资料库内，相似已知句子都放在同一资料库内；

(7)要辨认未知句子时，使用者对所要未知句子发音后，同样用该未知句子线性预估编码倒频谱E×P矩阵与所有M＝1000不同声音的线性预估编码倒频谱E×P矩阵之间的距离或加权距离找F个最接近的资料库，再用该未知句子线性预估编码倒频谱E×P矩阵与F个最接近的资料库内”相似已知句子”的线性预估编码倒频谱E×P矩阵之间的距离或加权距离，找使用者所要的未知句子；

(8)如果辨认不成功，使用者再发音该句子一次，用E个相等弹性框将该句子转换成线性预估编码倒频谱E×P矩阵，将该句子及出现最前面N个句子线性预估编码倒频谱的(N+1)个E×P平均值矩阵作为该句子的E×P特征矩阵，用距离将该句子的E×P特征矩阵，该E×P特征矩阵即为平均值矩阵，分到最接近的资料库内，再辨认该句子。

2.根据权利要求1所述的可辨认所有语言句子的方法，其特征在于，步骤(3)包含用E个相等弹性框，等长，没有滤波器，不重叠，将一个声音或句子音波正常化及抽取大小一致的特征矩阵，步骤如下：

删去在句子或声音之前及句子或声音之后，两单字之间及两音节之间，所有不具语音音波信号点的静音及杂音，用一个均等分一个句子或一个声音所有有声音波信号点方法，为了用线性变化的回归模式密切估计非线性变化的音波，将全长有声音波信号点分成E＝12相等时段，每相等时段形成一个弹性框，一个句子或一个声音共有E个”等长”弹性框，没有滤波器，不重叠，可以自由伸缩含盖全长音波，不是固定长度的汉明窗；

每个”等长”弹性框内，用一随时间作线性变化的回归模式估计随时间作非线性变化的音波；

信号点S(n)可由前面信号点估计，其估计值S′(n)由下列回归模式表示：

S′(n)=Σk=1PakS(n-k),n≥0]]>

在上式中，a_k，k＝1，...，P，是回归未知系数估计值，P是前面信号点数目，以E₁表示信号点S(n)及其估计值S′(n)之间平方差总和：

E1=Σn=0N[S(n)-Σk=1PakS(n-k)]2]]>

求回归系数使平方总和E₁达最小。对每个未知回归系数a_i，i＝1，...，P，求上式的偏微分，并使偏微分为0，得到P组正常方程式：

Σk=1PakΣnS(n-k)S(n-i)=ΣnS(n)S(n-i),]]>1≤i≤P

由上两式，得最小总平方差E_P

EP=ΣnS2(n)-Σk=1PakΣnS(n)S(n-k)]]>

由上两式转换为

Σk=1PakR(i-k)=R(i),]]>1≤i≤P

EP=R(0)-Σk=1PakR(k)]]>

用N表示框内信号点数，在上两式中

R(i)=Σn=0N-iS(n)S(n+i),i≥0]]>

用Durbin的循环快速计算线性预估编码向量如下：

E₀＝R(0)

ki=[R(i)-Σj=1i-1aj(i-1)R(i-j)]/Ei-1]]>

ai(i)=ki]]>

aj(i)=aj(i-1)-kiai-j(i-1),]]>1≤j≤i-1

Ei=(1-ki2)Ei-1]]>

用上五公式循环计算，得到回归系数最小平方估计值a_j，j＝1，...，P，即线性预估编码向量如下：

aj=aj(P)]]>1≤j≤P

再用下列两公式

a′i=ai+Σj=1i-1(ji)ai-ja′j,]]>1≤i≤P

a′i=Σj=i-Pi-1(ji)ai-ja′j,]]>P＜i

将线性预估编码向量转换较稳定线性预估编码倒频谱向量a′_j，j＝1，...，P；

用一个线性预估编码倒频谱E×P矩阵，表示一个句子或一个声音。