语音中的关于语音识别的一些知识

Posted 我爱你,中国!中国加油,武汉加油!

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了语音中的关于语音识别的一些知识相关的知识,希望对你有一定的参考价值。

以下内容都是抄的,哈哈哈

1.mel频率:

是模拟人耳对不同频率语音的感知。

人类对不同频率语音有不同的感知能力:对1kHz以下,与频率成线性关系,对1kHz以上,与频率成对数关系。频率越高,感知能力就越差了。因此,在应用中常常只使用低频MFCC,而丢弃中高频MFCC。

在Mel频域内,人对音调的感知能力为线性关系,如果两段语音的Mel频率差两倍,则人在感知上也差两倍。 转换公式:B(f)=1125ln(1+f/700) 其中f为频率,B为Mel-频率。

2.倒谱:

同态处理的结果,分为复数和实数倒谱,常用实数倒谱,是语音识别中的重要系数。

3,Mel频率倒谱系数参数的提到中:有一步:分帧, 然后再加上窗,原因呢:,下面写的:image

4,那现在总结下倒谱分析,它实际上是这样一个过程:

1)将原语音信号经过傅里叶变换得到频谱:X[k]=H[k]E[k];

只考虑幅度就是:|X[k] |=|H[k]||E[k] |;

2)我们在两边取对数:log||X[k] ||= log ||H[k] ||+ log ||E[k] ||。

3)再在两边取逆傅里叶变换得到:x[k]=h[k]+e[k]。

这实际上有个专业的名字叫做同态信号处理。它的目的是将非线性问题转化为线性问题的处理方法。对应上面,原来的语音信号实际上是一个卷性信号(声道相当于一个线性时不变系统,声音的产生可以理解为一个激励通过这个系统),第一步通过卷积将其变成了乘性信号(时域的卷积相当于频域的乘积)。第二步通过取对数将乘性信号转化为加性信号,第三步进行逆变换,使其恢复为卷性信号。这时候,虽然前后均是时域序列,但它们所处的离散时域显然不同,所以后者称为倒谱频域.

 

最后几个图:image

 

image

image

 

引用:

http://www.cnblogs.com/gogly/archive/2013/11/24/3440441.html

很好的文献,可以参考哦:http://blog.csdn.net/zouxy09/article/details/9156785/

以上是关于语音中的关于语音识别的一些知识的主要内容,如果未能解决你的问题,请参考以下文章

关于语音识别的 Android 附加功能不起作用

语音识别技术的基本方法

语音识别技术的环节是啥

如何解释语音识别的技术原理?

求助,语音识别的软件,口述录音能够识别转化成文字的

语音识别 - 损失函数