《数据结构与算法》课程项目 实施报告 题 目： 虚拟智慧图书馆 组 号： 任课教师： 64 组 管业鹏 组 长： 12121494 刘致金 成 员： 12121308 袁其杰 成 员： 12121494 刘致金 成 员： 12123145 王佳雯 成 员： 12123113 李超然 联系方式： 18818216508 二零一四年 九月 八日 

一、 课程项目实施方案 1、 8 段数字均衡设计；简要思路为，先取一段语音，经过一截止频率为 fs 的低通滤波器，然后对其以 2fs 的采样频率进行采样，然后设计 8 个带通滤波器， 对原始信号分八路（30~100Hz，100~200Hz，200~500Hz，500~1KHz，1～2KHz， 2K~4Kz，4K~8Kz，8K~16Kz）用八个带通滤波器进行滤波处理，通过调节各个 滤波器的系数，来调节各频段的信号幅度，达到所需均衡效果。 2、 项目组5 人的语音识别； 该部分主要分为两个步骤实现： 1）先将小组成员语音信息存库，再 进行特征提取，特征提取一般分为三部 分：自相关分析、计算 LPC 系数、计算 倒谱系数，从而生成每个组员的特征码 本。 2）模式匹配，从实时环境中提取语者 语音信息，在从识别语音中提取特征矢量 序列，根据比较，选出平均量化误差最小的码本所对应的说话人为识别结果。 3）测试指标：准确识别率、测试者说话内容的随意性、准确识别时环境的嘈 杂程度（坑干扰性）、识别速度。 

3、 20 字以上的语义识别； 从图 1 可知,整个语音识别系统包括四部分:预处理、特征参数提取、训练和 识别。其中预处理包括加重和端点检测。预加重一般通过一个数字滤波器 1-μ(z-1) 来实现,μ值接近于 1 。 1)、端点检测：采用基于短时能量和过零率的端点检测算法,从一段信号中检 测出语音信号的起始点和结束点； 2)、特征参数提取：采用 MFCC 系数。MFCC 参数考虑了人耳的听觉特性, 且没有任何前提假设，所使用 MFCC 参数提取出特征参数； 3)、训练和识别— 离散马尔科夫模型 (DHMM)。 DHMM 的模型参数少, 对训练数据量要求不高, 且计算量少, 易于实现,所以这里采用 DHMM。一个 DHMM 系统可用π,A,B 三项参数来描述。 在DHMM 语音识别系统的训练、识别：要用到矢量量化(VQ)，VQ 的关键 技术包括码本设计和搜索策略两方面。生成码本最基本的算法是 LBG 算法。在 利用 LBG 算法之前, 首先需要得到一个初始码本, 采取的方法是分裂法。码本 大小为 128,27 =128,所以经过 7 次分裂就可以了。对于码本搜索, 简单的方法是 比较所有码字和输入矢量的距离,距离最小的便是目标码字, 这种搜索方法称为 “全搜索”; DHMM 模型初始参数的设定：考虑语音信号的时序特点和系统的实时性, 选用自左向右的无跨越 HMM。在很多汉语识别实验中状态数为 5 时识别的效果 最好；初始概率矩阵π的初值较易确定, 通常设置为均匀分布之值或非零的随机 数, 对识别率的影响不是太大。 模板的训练: 设定 DHMM 模型的初始参数后, 就可以进行语音模板的训 练。由于有大量观察序列参与训练, 在此, 采用修正后的 Baum-Welch 算法进行 参数的优化重估； 语音的识别 识别过程其实就是模板的匹配过程, 而匹配的过程就是利用对 数形式的 Viterbi 算法, 计算测试语音序列在每个 HMM 下的最大输出概率。取 输出概率最大的 HMM 对应的模型, 即为最后的输出结果。 4）设计指标：识别语音字符的准确度和速度，是否适用于不同性别、年龄 说话者的语音，是否能区分出同音异义字词，以及程序和语音包的空间达到最小。