本發(fā)明屬于語音識(shí)別技術(shù)領(lǐng)域，尤其涉及一種語音識(shí)別方法。

背景技術(shù)：

語音的識(shí)別過程主要包括特征提取、特征優(yōu)化和利用分類器進(jìn)行識(shí)別。在特征提取方面，語音識(shí)別系統(tǒng)的性能與識(shí)別器所用的特征參數(shù)密切相關(guān)，常用的特征參數(shù)主要有線譜對(duì)LSP、相對(duì)譜(RASTA)、線性預(yù)測(cè)倒譜系數(shù)LPCC、Mel倒譜MFCC、能量、Fourier倒譜以及相應(yīng)的動(dòng)態(tài)特征參數(shù)等。

小波分析能隨信號(hào)變化快慢自動(dòng)調(diào)整時(shí)間分辨力和頻率分辨力。小波系數(shù)中少量系數(shù)包含信號(hào)的絕大部分能量，大部分系數(shù)在零附近，對(duì)信號(hào)能量貢獻(xiàn)很小，具有重拖尾現(xiàn)象，因此使用能量/熵特征是不科學(xué)的。對(duì)于連續(xù)小波變換來說，信號(hào)小波變換系數(shù)模的平方反映了信號(hào)在時(shí)間-尺度(頻率)平面的能量密度分布，對(duì)語音多尺度連續(xù)小波變換系數(shù)采用高斯混合模型(Gaussian Mixture Model,GMM)建模分析，提出新的特征參數(shù)GCWT能夠有效地區(qū)分語音種類。

在特征優(yōu)化方面，傳統(tǒng)的線性降維方法(如主成分分析法(PCA))在把高維數(shù)據(jù)映射到低維空間時(shí)，通常不能保留原高維數(shù)據(jù)的內(nèi)在非線性結(jié)構(gòu)和特征?；诹餍螌W(xué)習(xí)的非線性降維方法局部線性嵌入(Locally linear embedding，LLE)進(jìn)行降維時(shí)，對(duì)稀疏采樣和噪音污染的數(shù)據(jù)比較敏感。本發(fā)明提出了動(dòng)態(tài)加權(quán)局部線性嵌入DWLLE(Dynamic weighted locally linear embedding)方法，對(duì)樣本點(diǎn)近鄰點(diǎn)采用核函數(shù)動(dòng)態(tài)加權(quán)，弱化稀疏采樣對(duì)降維造成的影響。

技術(shù)實(shí)現(xiàn)要素：

解決的技術(shù)問題：針對(duì)現(xiàn)有的語音識(shí)別方法中特征提取方面具有重拖尾現(xiàn)象以及特征優(yōu)化方面不能保留原高維數(shù)據(jù)的內(nèi)在非線性結(jié)構(gòu)和特征的缺點(diǎn)，本發(fā)明提供一種語音識(shí)別方法，該方法提出的特征參數(shù)GCWT優(yōu)于傳統(tǒng)的特征參數(shù)MFCC，改進(jìn)的動(dòng)態(tài)加權(quán)局部線性嵌入方法DWLLE的降維效果優(yōu)于傳統(tǒng)的LLE方法。

技術(shù)方案：一種語音識(shí)別方法包括特征提取、特征優(yōu)化和利用分類器進(jìn)行識(shí)別三個(gè)步驟，本發(fā)明主要針對(duì)特征提取和特征優(yōu)化進(jìn)行研究。在特征提取方面，通過采用多尺度連續(xù)小波變換對(duì)語音進(jìn)行時(shí)頻分析，同時(shí)對(duì)沿尺度軸方向的小波系數(shù)進(jìn)行高斯混合建模得到統(tǒng)計(jì)學(xué)參數(shù)GCWT，對(duì)嗓音進(jìn)行識(shí)別。在特征優(yōu)化方面，為了降低特征參數(shù)的 冗余，對(duì)特征參數(shù)進(jìn)行降維處理，針對(duì)局部線性嵌入降維算法LLE對(duì)稀疏數(shù)據(jù)的敏感性，提出了改進(jìn)的動(dòng)態(tài)加權(quán)局部線性嵌入降維算法DWLLE。

本發(fā)明中的語音識(shí)別系統(tǒng)具體設(shè)計(jì)主要包括：

(1)特征提取階段，通過采用多尺度連續(xù)小波變換對(duì)語音進(jìn)行時(shí)頻分析，對(duì)沿尺度軸方向的小波系數(shù)進(jìn)行高斯混合建模得到特征參數(shù)：GCWT＝(π₁,u₁,Σ₁,…,π_M,u_M,Σ_M)

其中，π₁,u₁,Σ₁,…,π_M,u_M,Σ_M分別為M個(gè)高斯混合模型的權(quán)重、期望、方差。

(2)特征優(yōu)化階段，采用動(dòng)態(tài)加權(quán)局部線性嵌入方法(DWLLE，Dynamic weighted locally linear embedding)對(duì)特征參數(shù)GCWT進(jìn)行降維；

(3)將語音分為訓(xùn)練集與測(cè)試集，利用訓(xùn)練集語音的特征參數(shù)訓(xùn)練識(shí)別模型；

(4)利用訓(xùn)練好的模型對(duì)測(cè)試集的特征參數(shù)進(jìn)行預(yù)測(cè)分類。

上述所述的動(dòng)態(tài)加權(quán)局部線性嵌入方法DWLLE是對(duì)樣本點(diǎn)近鄰點(diǎn)采用核函數(shù)動(dòng)態(tài)加權(quán)，弱化稀疏采樣對(duì)降維造成的影響，主要過程包括：

(1)利用歐氏距離尋找每個(gè)樣本點(diǎn)的k(k＜n,n為樣本點(diǎn)數(shù))個(gè)近鄰點(diǎn)；

(2)計(jì)算樣本點(diǎn)和近鄰點(diǎn)之間的徑向基核函數(shù)：

$u_{\mathrm{ij}}=k(x_i,x_j)=\mathrm{\Φ}\left(x_i\right)\·\mathrm{\Φ}\left(x_j\right)=\exp (-\frac{{\left|\right|x_i-x_j\left|\right|}^2}{{\mathrm{\σ}}^2}),$

其中，u_ij是近鄰點(diǎn)x_i、x_j的核函數(shù)k(x_i,x_j)的函數(shù)值，Φ(x_i)、Φ(x_j)分別是樣本點(diǎn)x_i、x_j的高維空間映射值，||x_i-x_j||²是樣本點(diǎn)x_i、x_j的歐氏距離，σ為函數(shù)的寬度參數(shù)，控制了函數(shù)的徑向作用范圍。

令θ為加權(quán)閾值，當(dāng)u_ij≥θ時(shí)，不對(duì)近鄰點(diǎn)x_j做任何處理，當(dāng)u_ij＜θ時(shí)，對(duì)樣本點(diǎn)與近鄰點(diǎn)重構(gòu)之間的誤差以u(píng)_ij做加權(quán)處理，弱化稀疏采樣對(duì)降維造成的影響；

(3)由樣本點(diǎn)的近鄰點(diǎn)計(jì)算出該樣本點(diǎn)的局部重建權(quán)值矩陣，使樣本點(diǎn)與近鄰點(diǎn)以核函數(shù)相似度加權(quán)的重構(gòu)誤差最?。?/p>

$\min \mathrm{\ϵ}\left(W\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left|\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{u}_{\mathrm{ij}}(x_i-w_{\mathrm{ij}}{x}_j)\right|}^2;$

$s.t\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}=1$

其中，W是局部重構(gòu)權(quán)值w_ij矩陣，u_ij是動(dòng)態(tài)加權(quán)權(quán)值，w_ij是樣本點(diǎn)x_i、x_j之間的權(quán)值，代表著局部信息。

(4)根據(jù)局部重建權(quán)值矩陣和其近鄰點(diǎn)計(jì)算出樣本集的低維嵌入。

上述所述的特征參數(shù)GCWT基于小波變換，充分體現(xiàn)了時(shí)域和頻域良好的局部化特性。

上述所述的特征參數(shù)GCWT是針對(duì)小波系數(shù)呈現(xiàn)稀疏分布進(jìn)行改進(jìn)的特征提取。

有益效果：本發(fā)明提供的一種語音識(shí)別方法，具有以下優(yōu)點(diǎn)：

(1)針對(duì)小波能量/熵的局限性，通過多尺度連續(xù)小波變換對(duì)語音進(jìn)行時(shí)頻分析，對(duì)沿尺度軸方向的小波系數(shù)進(jìn)行高斯混合建模得到統(tǒng)計(jì)學(xué)參數(shù)GCWT，對(duì)語音進(jìn)行識(shí)別，提出的特征參數(shù)GCWT優(yōu)于傳統(tǒng)的特征參數(shù)MFCC。

(2)針對(duì)局部線性嵌入降維算法LLE對(duì)稀疏數(shù)據(jù)的敏感性，提出了改進(jìn)的動(dòng)態(tài)加權(quán)局部線性嵌入方法DWLLE，降維效果優(yōu)于LLE。

附圖說明

圖1為語音識(shí)別系統(tǒng)的主要過程圖。

圖2為本發(fā)明的語音識(shí)別系統(tǒng)的設(shè)計(jì)圖。

圖3為本發(fā)明的實(shí)施例1的語音識(shí)別系統(tǒng)的設(shè)計(jì)圖。

圖4為本發(fā)明的實(shí)施例1的MFCC特征參數(shù)提取流程圖。

圖5為本發(fā)明的實(shí)施例2的語音識(shí)別系統(tǒng)的設(shè)計(jì)圖。

圖6為本發(fā)明的實(shí)施例3的語音識(shí)別系統(tǒng)的設(shè)計(jì)圖。

具體實(shí)施方式

實(shí)施例1

在不進(jìn)行特征優(yōu)化的情況下，語音識(shí)別包括特征提取和利用分類器進(jìn)行識(shí)別兩個(gè)步驟。

一、特征提?。?/p>

分別對(duì)語音提取現(xiàn)有的特征參數(shù)MFCC和本發(fā)明的特征參數(shù)GCWT。

1.特征參數(shù)MFCC提取步驟：

(1)將信號(hào)S(n)預(yù)加重后采用漢明窗進(jìn)行加窗分幀，得到每幀信號(hào)x_n(m)，然后 通過短時(shí)傅里葉變換得到其頻譜X_n(k)，隨后求取頻譜的平方，即能量譜P_n(k)。

P_n(k)＝|X_n(k)|²

(2)用M個(gè)Mel帶通濾波器對(duì)P_n(k)進(jìn)行濾波，由于每一個(gè)頻帶中分量的作用在人耳中是疊加的，因此將每個(gè)濾波器頻帶內(nèi)的能量進(jìn)行疊加。

$S_n\left(m\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}{P}_n\left(k\right)H_m\left(k\right),1\≤m\≤M$

其中，H_m(k)為Mel濾波器頻域形式，S_n(m)是每個(gè)濾波器頻帶輸出。

(3)將每個(gè)濾波器輸出取對(duì)數(shù)功率譜并進(jìn)行反離散余弦變換，得到L個(gè)MFCC系數(shù)。

$C_i^n=\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{\log }_{10}{S}_n\left(k\right)\×\cos [\mathrm{\π}(k-0.5)i/M],1\≤i\≤L$

(4)將得到的MFCC系數(shù)作為第n幀的特征參數(shù)，反映了語音信號(hào)的靜態(tài)特征，如果加上人耳更為敏感的一階差分系數(shù)，將得到更好的效果。一階差分的計(jì)算公式如下：

$d_i^n=\frac{\underset{j=-L}{\overset{L}{\mathrm{\Σ}}}{c}_{(i+j)}^n\×i}{\sqrt{\underset{j=-L}{\overset{L}{\mathrm{\Σ}}}{j}^2}}$

L一般取2，表示當(dāng)前幀前后各2幀的線性組合，反映了語音的動(dòng)態(tài)特征。

2.特征參數(shù)GCWT提取步驟：

(1)語音時(shí)頻分析

使用db4小波作為母小波，db4小波的中心頻率是0.7143Hz，在16個(gè)不同尺度下對(duì)語音進(jìn)行連續(xù)小波變換，得到時(shí)頻域語音的能量譜密度。

(2)高斯混合建模

采用k-menns算法確定中心點(diǎn)進(jìn)行初始化，并采用EM(Expectation Maximum)算法求解，選取高斯混合模型(M＝4)，對(duì)16個(gè)小波尺度下的能量譜密度沿尺度方向進(jìn)行多維建模，并且將建模所得的統(tǒng)計(jì)學(xué)參數(shù)作為特征參數(shù)GCWT，GCWT＝(π₁,u₁,Σ₁,…,π_M,u_M,Σ_M)。

二、識(shí)別：

使用訓(xùn)練集語音的特征參數(shù)訓(xùn)練不同的分類器模型，進(jìn)而使用訓(xùn)練好模型測(cè)試集語音特征參數(shù)進(jìn)行識(shí)別。

實(shí)施例2

一種語音識(shí)別方法包括特征提取、特征優(yōu)化和利用分類器進(jìn)行識(shí)別三個(gè)步驟。

一、特征提取與實(shí)施例1中特征參數(shù)GCWT提取步驟相同。

二、特征優(yōu)化：

使用非線性降維方法LLE進(jìn)行降維處理，包含以下三個(gè)步驟：

(1)對(duì)于給定的源數(shù)據(jù)集X＝{x₁,x₂,…,x_n},x_i∈R^D，利用歐氏距離尋找每個(gè)樣本點(diǎn)的

k(k＜n)個(gè)近鄰點(diǎn)，其中k＝7；

(2)由樣本點(diǎn)的近鄰點(diǎn)計(jì)算出該樣本點(diǎn)的局部重建權(quán)值矩陣，使重建誤差最?。?/p>

(3)根據(jù)局部重建權(quán)值矩陣和其近鄰點(diǎn)計(jì)算出樣本集的低維嵌入。

LLE在樣本均勻采樣下使用歐氏距離求取鄰域，這對(duì)稀疏和噪音污染的數(shù)據(jù)容易產(chǎn)生扭曲的鄰域結(jié)構(gòu)，從而導(dǎo)致短路現(xiàn)象。

三、利用分類器進(jìn)行識(shí)別：

使用經(jīng)過LLE降維的訓(xùn)練集語音的特征參數(shù)訓(xùn)練SVM模型，進(jìn)而使用訓(xùn)練好模型對(duì)經(jīng)過LLE降維的測(cè)試集語音特征參數(shù)進(jìn)行識(shí)別。

實(shí)施例3

一種語音識(shí)別方法包括特征提取、特征優(yōu)化和利用分類器進(jìn)行識(shí)別三個(gè)步驟。

一、特征提取與實(shí)施例1特征參數(shù)GCWT提取步驟相同。

二、特征優(yōu)化：

使用非線性降維方法DWLLE對(duì)GCWT進(jìn)行降維處理。降維時(shí)，參數(shù)設(shè)置如下：$k=7,\mathrm{\σ}=\frac{1}{7},\mathrm{\θ}=0.8.$主要過程包括：

(1)利用歐氏距離尋找每個(gè)樣本點(diǎn)的k(k＜n)個(gè)近鄰點(diǎn)；

(2)計(jì)算樣本點(diǎn)和近鄰點(diǎn)之間的徑向基核函數(shù)：

$u_{\mathrm{ij}}=k(x_i,x_j)=\mathrm{\Φ}\left(x_i\right)\·\mathrm{\Φ}\left(x_j\right)=\exp (-\frac{{\left|\right|x_i-x_j\left|\right|}^2}{{\mathrm{\σ}}^2});$

其中，u_ij是近鄰點(diǎn)x_i、x_j的核函數(shù)k(x_i,x_j)的函數(shù)值，Φ(x_i)、Φ(x_j)分別是樣本點(diǎn)x_i、x_j的高維空間映射值，||x_i-x_j||²是樣本點(diǎn)x_i、x_j的歐氏距離，σ為函數(shù)的寬度參數(shù)，控制了函數(shù)的徑向作用范圍。

令θ為加權(quán)閾值，當(dāng)u_ij≥θ時(shí)，不對(duì)近鄰點(diǎn)x_j做任何處理，當(dāng)u_ij＜θ時(shí)，對(duì)樣本點(diǎn)與近鄰點(diǎn)重構(gòu)之間的誤差以u(píng)_ij做加權(quán)處理，弱化稀疏采樣對(duì)降維造成的影響；

(3)由樣本點(diǎn)的近鄰點(diǎn)計(jì)算出該樣本點(diǎn)的局部重建權(quán)值矩陣，使樣本點(diǎn)與近鄰點(diǎn)以核函數(shù)相似度加權(quán)的重構(gòu)誤差最?。?/p>

$\min \mathrm{\ϵ}\left(W\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left|\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{u}_{\mathrm{ij}}(x_i-w_{\mathrm{ij}}{x}_j)\right|}^2;$

$s.t\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}=1$

其中，W是局部重構(gòu)權(quán)值w_ij矩陣，u_ij是動(dòng)態(tài)加權(quán)權(quán)值，w_ij是樣本點(diǎn)x_i、x_j之間的權(quán)值，代表著局部信息。

(4)根據(jù)局部重建權(quán)值矩陣和其近鄰點(diǎn)計(jì)算出樣本集的低維嵌入。

三、利用分類器進(jìn)行識(shí)別：

使用經(jīng)過DWLLE降維的訓(xùn)練集語音的特征參數(shù)訓(xùn)練SVM模型，進(jìn)而使用訓(xùn)練好的模型對(duì)經(jīng)過DWLLE降維的測(cè)試集語音特征參數(shù)進(jìn)行識(shí)別。

對(duì)實(shí)施例1中的特征參數(shù)MFCC和特征參數(shù)GCWT采用十交叉驗(yàn)證方式，實(shí)驗(yàn)結(jié)果見下表：

從上表可以看出，特征參數(shù)GCWT優(yōu)于傳統(tǒng)的特征參數(shù)MFCC。

通過實(shí)施例2的降維方法LLE對(duì)特征參數(shù)GCWT降維后識(shí)別率分別可以達(dá)到95.54％，比實(shí)施例1中未經(jīng)過降維優(yōu)化的GCWT平均識(shí)別率提高了2.7％；實(shí)施例3的降維方法DWLLE對(duì)特征參數(shù)GCWT降維后識(shí)別率分別可以達(dá)到97.45％，比實(shí)施例1中未經(jīng)過降維優(yōu)化的GCWT平均識(shí)別率提高了4.8％。由此可知，經(jīng)過降維處理的特征參數(shù)比未處理的特征參數(shù)提高了系統(tǒng)的識(shí)別率和可靠性，并且降維方法DWLLE的降維效果優(yōu)于降維方法LLE。