[其他]一种语音特征的提取和识别方法

说明书

本方法属于模式识别技术范围。

利用通用频谱分析仪对语言进行频谱分析，并进行识别，其系统价格昂贵，识别率不高。如俞铁成，通用实时语音识别系统-RTSRS（01），物理学报，1978，No.5。清华大学计算机工程与科学系语音识别科研组，应用微处理机识别语音，清华大学学报，第21卷，第3期，1981年。

本发明提出一种有效地压缩语谱数据的方法，以推动语音输入的应用。

本方法具有如下特点：①识别率高，利用本方法对0-9十个数字的自然发音（非电报发音）进行识别，连呼1200次，识别结果错2次，识别率达99.8%;对牡丹江-北京-广州128个快车站各进行识别（无挑选）连呼1152次，错26次，识别率达97.7%。②每单词语音特征所占内存少，仅24字节。③方法简单，可在一般微处理机上移植本方法。

语音特征的提取和识别方法如图1所示。各部分简述如下：

①提取原始语谱矩阵

语音信息经频谱分析仪做予处理后送给计算机，软件以10ms周期对语音信息采样，并且自动判定语音开始和结束：当连续采得10组高于门槛的数据，即认为语音开始。当连续采得10组低于门槛的数据，即判定语音结束。

一旦判定语音开始，就将采得的一组16个数据做为矩阵的第一行，16个数据对应240Hz-6500Hz的16个频道，第二次采得的数据做为矩阵的第二行，语音结束前得到N行，构成N×16原始语谱矩阵A：

②数据处理与特征抽取

通过非线性分块，将时间规划成m块，对孤立调汇，常取m＝6，即规划成6块。信息变化激烈的部分该块取组数少一些，反之则取组数多一些，用以反映语音变化缓急情况的是矩阵D：

d_H＝Σj = 116]]>｜a_H，j-a_H+1，j｜

d_H大者，说明以H时刻到H+1时刻语谱变化激烈，反之则变化缓慢。以下式为分块尺度（分六块时）：

△D＝ 1/6ΣH = 1N - 1]]>d_H

满足下式时第一块从第一行到P₁行：

ΣH = 1P 1- 1]]>d_H+ 1/2 dP₁＜△D≤ΣH = 1P 1]]>+ 1/2 dP₁+1

满足下式时，第二块从P₁+1行到P2行

ΣH = 1P2- 1]]>+ 1/2 dP₂＜2·△D≤ΣH = 1P2]]>d_H+ 1/2 dP₂+1