DTW（Dynamic Time Warping）算法主要用于孤立词识别，尤其适合特定指令的识别。该算法基于动态规划，常用于语音信号的比对。在语音识别流程中，首先通过VAD（语音活动检测）确定语音起止，接着提取MFCC特征。在MATLAB中，DTW用于比对两个梅尔倒谱特征，找到最佳匹配路径，从而实现非线性时间规整。DTW算法适用于处理不同发音速度和长度的语音信号，提高识别准确率。
DTW主要是应用在孤立词识别的算法，用来识别一些特定的指令比较好用，这个算法是基于DP（动态规划）的算法基础上发展而来的。这里介绍语音识别就先介绍下语音识别的框架，首先我们要有一个比对的模版声音，然后需要去截取其里面包含真正属于语音的部分，这个要采用一个叫做vad（voice activedetection）语音活动检测的算法，而在vad中间我们最常使用双门限端点检测这种方法，如图所示，我们采用vad判断语音的开始和结束，判断方法就是通过音量的大小做一个阈值判定，在时域上很简单就能判定。
图.speech（语音信号），Energy（短时能量），zcr（短时过零率值）
然后需要寻找一个特征矢量，在语音识别中很多采用MFCC，也就是梅尔倒谱这个参数作为特征矢量。一般的谱分析我们都是采用频谱，或者小波这样与频谱的区别只是不同量度，这些都是解决加性噪声的滤波问题，而还存在倒谱，阶次谱这样是为了特定的需求所构建的另外的谱方法，这些是在NI的探讨会上次说的。倒谱是一种为了滤除乘性噪声的谱方法，简单的说就是对功率谱求log，再反傅里叶变换，公式如
，这种方法用来做信号分离很有用&#x
最低0.47元/天 解锁文章
1237
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
