基于多特征组合优化的汉语数字语音识别研究

蔡 敏

(苏州工业园区工业技术学院机电中心，江苏 苏州215123)

汉语数字语音识别是语音识别领域中一个重要的分支，在日常生活中的电话拨号、人机交互、密码身份识别等领域都有着重要的应用价值，但由于汉语数字语音的发音特点，容易产生互相之间混淆，导致识别率不高。

汉语数字语音识别系统主要包括了语音特征提取和分类器两部分［1］。特征参数的选择是其中的关键问题。线性预测倒谱系数［2］(LPCC)参数是根据声管模型建立的特征参数，可以准确反映声道响应信息。梅尔频率倒谱系数［3］(MFCC)参数则充分考虑了人耳的听觉特性，具有较好的鲁棒性和识别性能。

本文首先提取了汉语数字语音的LPCC 参数、MFCC 参数及其一阶差分，并进行特征组合。针对每个语音每帧均需要提取系数，导致维数过高的问题，按照参数矩阵按列求取均值和方差的方法进行首次降维，随后采用基于关联规则的特征选择算法［4］进行二次降维，最后采用C4.5 决策树算法［5］进行识别实验。

1 特征提取算法及优化

1.1 线性预测倒谱系数(LPCC)

线性预测分析技术就是由语音信号直接求出一组线性预测系数，通过在最小均方误差准则条件下求预测系数的最佳估计值，而该组预测系数恰好能反映声道的响应信息。

语音信号的声道传输函数为:

其中ai(i = 1，2，…，p)即预测系数，可采用Levinson-Durbin 递推算法求解。线性预测系数能够用于模拟声道模型，但获取系数时语音信号产生过程中的激励信息也混入其中。倒谱分析利用同态处理方法，能够将无关的激励信息从中分离出来。……