语音识别-信号处理篇

我的书：

淘宝购买链接
当当购买链接
京东购买链接

连接前端和后端的语音识别（ASR）的关键是给到后端（根据特征判定词/句）系统的特征类型和特征质量，对于传统的语音识别系统常采用MFCC（mel-frequency ceptral coefficients），这个特征对于高斯白噪声和混响具有鲁棒性，对于有色和相干干扰，常采用一阶和二阶微分减小其对MFCC系数的影响，该方法计算量相对较小；对于深度学习，通常采用Fbank做为特征而非MFCC，MFCC做了离散余弦变换，对于深度学习情况，反而是丢失了特征。

##VAD
###VAD方法

• 基于能量的方法
• 基于波形和谱估计法
  • 音调和谐波检测</