臺灣博碩士論文加值系統

隨著科技的發展, 目前電腦已成為現代人必備的工具, 為使電腦更具親和
力, 以語音與電腦溝通將是解決中文電腦輸入不便最佳的方法. 對於語音
資料一般以音框的方式處理, 並做為特徵值擷取的基準, 本文中我們首先
以語音的結構特性,將語音資料段分成非帶聲(unvoice),帶聲(voice) ,尾
音弱聲(nonvoice)等三段, 並依各段的長短與基峰(pitch)位置做特徵段
擷取之分析, 以此特徵段分別求得特徵參數, 其結果大幅降低運算量以及
樣本語音所需記憶空間.在語音辨識過程中, 語音特徵參數選取的優劣對
系統辨識能力相當重要. 中文語音之帶聲段具有類週期的特性, 因此我們
提出一組基於基頻週期的倒頻譜參數, 並結合傳統倒頻譜參數對語音資料
做辨識處理; 在相同發音下, 由於所擷取之特徵段的結構特性很相近, 因
此所得之倒頻譜參數差異性較小, 對辨識能力的提升有不錯的結果.

Deciding by pitch peak, we divied each recognized utterance
into three segments unvoice-segment, voice-segment, nonvoice-
segment;and then each proper sub-segment is searched to comput
Linear Prediction Coding (LPC) ceptral. The algorithm for
feature extraction of speech is commonly utilized by extracting
LPC ceptral frame by frame. In this the- sis,Pitch-Based Frame
and Pitch-Based LPC Ceptral are proposed. According to our
experiments, this method exhibited a well res- ult, a maximun
recognition rate of 96.1% is obtained. At the same time,we
empoly the feature to other recognition models and obtain a
even greater recognition rate.