如何在識別過程中改變未識別語音信號的長度？

如在幾本書描述的，識別的孤立的單詞的過程包括以下的：如何在識別過程中改變未識別語音信號的長度？

對於一組給定的信號（模板），確定特徵向量用於每個模板 - 矩陣M×N，其中M是特徵（MFCC，ZCR，...）的編號，並且N是幀數。
用一些算法訓練模板，如ANN，HMM，GMM，SVM。
通過訓練模型識別測試信號。

由於語音信號具有不同的持續時間，所以它們的長度通過動態時間規整（DTW）技術進行對齊，因此N對於所有模板都是相同的。它可以在訓練期間完成。

我的問題是：如何改變測試信號的長度？我無法使用DTW，因爲我不知道它屬於哪個類。我是否應該使用「時間延展」算法，保持音調，如果我應該這樣做，這將如何影響識別精度？

來源

2015-12-18 Zagavarr

通過提取N幀間距較近或較遠的特徵，可以爲「時間拉伸」信號獲得一個等效的MxN特徵向量。

來源

2015-12-18 18:18:42 hotpaw2

好吧，我會試試看。我想，不同信號的窗口大小的差異並不重要，因爲人類語音在大約20-50毫秒的時間間隔內保留了它的頻率特性。 – Zagavarr

與DTW相比，這將是不理想的匹配，因爲它假定樣本均勻拉伸。 –

您不需要更改長度以進行匹配。您從參考樣本和測試樣本中提取特徵，它們都有不同的幀數。然後，在每個參考和測試之間應用DTW，從而對齊它們。作爲DTW運行的結果，您可以獲得測試樣本與每個參考文獻之間的匹配分數。你做的是你拉伸不均勻的每個參考樣本，以配合測試樣本。由於您將每個參考文獻與單個測試進行比較，因此可以使用DTW分數進行比較。所以你選擇最好的分數作爲結果的參考。

有關DTW語音識別的詳細信息和想法，請查看presentation。

如果你想更接近DTW語音識別的想法，你可以閱讀一本書Fundamentals of Speech Recognition 1st Edition by Lawrence Rabiner, Biing-Hwang Juang。

來源

2015-12-20 21:05:58

如何在識別過程中改變未識別語音信號的長度？

回答

相關問題