2.语音信号的分帧 语音信号是一种典型的非平稳信号，它的均值函数u(x)和自相关

　　函数R(xl,x2)都随时间而发生较大的变化。但研究发现，语音信号在 短时间内频谱特性保持平稳，即具有短时平稳特性。因此，在实际 处理时可以将语音信号分成很小的时间段(约10~30ms)，称之为 “帧”。

　　在语音信号数字处理中常用的窗函数是矩形窗、汉明窗等，它们 的表达式如下（其中N为帧长）： 矩形窗：

　　在该算法中，短时能量检测可以较好地区分出浊音和静音。对于 清音，由于其能量较小，在短时能量检测中会因为低于能量门限 而被误判为静音，短时过零率则可以从语音中区分出静音和清音。 将两种检测结合起来，就可以检测出语音段及静音段。

　　特征提取：即对不同的语音寻找其内在特征，由此来判别出未知语音，所以每 个语音识别系统都必须进行特征提取。

　　语音信号的特征主要有时域和频域两种。 时域特征：短时平均能量、短时平均过零率、共振峰、基音周期等； 频域特征：线性预测系数(LPC)、LP倒谱系数(LPCC)、 Mel频率倒谱系数

　　• 语音识别系统可以分为孤立字(词)语音识别系统、 连接字语音识别系统以及连续语音识别系统。

　　• 语音识别系统分为两个方向：一是根据对说话人 的依赖程度可以分为特定人和非特定人语音识别 系统；二是根据词汇量大小，可以分为小词汇量、 中等词汇量、大词汇量，以及无限词汇量语音识 别系统。

　　(MFCC)等。 本实验选取MEL频率倒谱系数(MFCC)进行提取特征参数。

　　通过阅读文献了解到基于DTW算法和MFCC就已经可以做到语音的识别了， 但是泛化性比较差，中间测试过一个相关的程序只能识别特定的语音片段， 更换说话人后识别效果很差。

　　BP神经网络又称误差反向传递神经网络。提取了语音的特征参数后，靠神经 网络中大量的连接权对输入模式进行非线性运算，产生最大兴奋的输入点就代表 了输入模式对应的分类。神经网络的连接权系数是在使用中根据识别结果的正确 与否不断的进行自适应修正。单隐层网络的整个体系结构如图所示，分为输入层、 隐藏层和输出层，其中隐藏层根据具体情况的需要，可以是一层结构也可为多层 结构。

　　实验目的：识别1 3 5三个数字（选择135是因为135三个数字的识别率最高）

　　从图的系统整体架构可以看到，建立基于BP神经网络的语音识别系统可分 为两个阶段,即训练阶段和识别阶段。首先由用户通过麦克风输入语音形成原始 语音,然后系统对其进行预处理。预处理星空体育登录入口 星空体育在线官网包括预加重，加窗分帧和端点检测三个 过程。系统的前端采用了端点检测,目的是在一段语音信号中确定起点和终点。 在特征提取部分,本系统采用了MFCC作为特征参数,用于有效地区分数字1-5.

　　下图是我本科课程设计中一个关于端点检测的程序GUI界面，其中语音是教材中的示例语音“他去无 锡市”，我通过cooledit在示例语音中加入了白噪音，可以看出清音段混杂在噪音中，如果短时能量的门 限值选取过高可能会屏蔽掉清音段，所以加入过零率能更好的识别出清音段。

　　一.语音识别概述 二.语音识别流程 三.语音信号预处理 四.语音识别特征提取 五.BP神经网络原理 六.语音识别程序设计

　　• 语音识别以语音为研究对象，涉及到生理学、心 理学、语言学、计算机科学，以及信号处理等诸 多领域，最终目的是实现人与机器进行自然语言 通信，用语言操纵计算机。

　　语音从嘴唇辐射会有6dB/oct的衰减，因此 在对语音信号进行处理之前，希望能按 6dB/oct的比例对信号加以提升(或加重)，以 使得输出信号的电平相近似。可采用以下差 分方程定义的数字滤波器：

　　%使用TRAINSIG，即共轭梯度法，其好处是当训练不收敛时，它会自动停

　　止训练，而且耗时较其他算法（TRAINLM， TRAINGD）少，也就是收敛很