[发明专利]连续二次贝氏分类法辨认相似国语单音的方法及装置

权利要求书

1. 一个语音辨认系统，其特征在于包含：

(1)一个先前处理器删去不具语音音波信号点或杂音；

(2)一个已知单音音波正常化及抽取特征方法：用弹性框将音波正常化并转换成大小相等的LPC倒频谱LPCC特征矩阵，并将相同单音音波转换成特征相同的矩阵；

(3)一个已知单音特征矩阵多个样本转换成一个标准模型，储藏在数据库，标准模型含有该已知单音特征矩阵的样本平均数及变异数；

(4)一个未知单音音波正常化及抽取特征方法：将音波正常化并转换成大小与已知标准模型大小相等的特征矩阵，称为未知单音分类模型，内含有线性预估编码倒频谱LPCC；

(5)一个简化贝氏分类法：将未知单音分类模型与数据库所有已知单音标准模型比较，找M个与未知单音最相似的已知单音c′_i，i＝1，...，M判为未知单音的M个相似已知单音(找M个最小l(c_i)(20)的值)；

(6)在每个相似已知单音c′_i，计算全部样品(x_i^k)的l(x_i^k)，i＝1，...，M，k＝1，...，K_i，(22)的值，取最小K个样品的l(x_i^k)值的总和，叫做此相似已知单音与未知单音总贝氏距离或mis-categorizationrisk，在M个相似已知单音找一个最小总贝氏距离的相似已知单音判为未知单音。

2. 根据权利要求1所述的语音辨认系统中，其特征在于步骤(1)删去不具语音的音波或杂音，包含两种方法：

(a)在一小时段内信号点，计算信号点的变异数及一般杂音的变异数：如信号点的变异数小于杂音变异数，则删去该时段；

(b)在一小时段内信号点，计算相邻两信号点距离总和和一般杂音相邻两信号点距离总和：如前者小于后者则删去该时段。

3. 根据权利要求1所述的语音辨认系统中，其特征在于步骤(2)包含已知单音音波正常化及抽取大小一致的特征矩阵，步骤如下：

(a)一个均等分一个已知单音音波信号点方法，为了用线性变化的回归模式密切估计非线性变化的音波，将音波全长分成E等时段；每时段形成一个弹性框；一个单音共有E个弹性框，没有滤波器，不重叠，可以自由伸缩含盖全长音波；不是固定长度的Hamming窗；

(b)每框内，用一随时间作线性变化的回归模式估计随时间作非线性变化的音波；

(c)用Durbin’s循环方式(8-13)求回归系数最小平方估计值，叫做线性预估编码向量，再用(14-15)式转换LPC向量为稳定的LPC倒频谱LPCC向量；

(d)用E个LPCC向量表示一个单音的E×P LPCC特征矩阵。

4. 根据权利要求1所述的语音辨认系统，其特征在于步骤(3)又包含一个计算已知单音的标准模型方法，步骤如下：

(a)一个已知单音，由多人发音，产生长短不一的音波；因代表相同已知单音，长短不一的音波包含一种随时间作非线性变化但相同动态特征，只是时间位置不同；

(b)用E个弹性框将该单音长短不一的音波调整并转换成多个LPCC特征大致相同的矩阵样本；再求LPCC样本平均数及样本变异数，将样本平均数及样本变异数用二个E×P矩阵表示，称为该单音标准模型。

5. 根据权利要求1所述的语音辨认系统中，其特征在于步骤(4)又包含未知单音音波正常化并抽取E个LPCC特征向量，成为未知单音的分类模型，其步骤如下：

(a)将未知单音音波分成E等时段，每时段组成一个弹性框，一个未知单音有E个等长弹性框，没有滤波器，不重叠，自由伸缩含盖全部音波信号点；

(b)每个弹性框内，用一个随时间作线性变化的回归模式估计随时间作非线性变化的音波；

(c)用Durbin’s循环方式(8-13)计算回归系数最小平方估计值LPC；

(d)再将LPC向量用公式(14-15)转换成稳定LPC倒频谱LPCC量；

(e)用E个LPCC向量，作为该未知单音的分类模型。