方法改进：MFCC-三角带通滤波器.PPT

32位元處理器之定點數MFCC演算法的改進與探討Improvement and Discussion of MFCC Algorithm on 32-bit Fixed-point Processors 學生:陳奕宏 指導教授：張智星 Outline 研究簡介 參考資料與相關研究 基礎理論 方法改進 實驗數據與分析 結論及未來工作 研究簡介 嵌入式語音之應用： 手機上聲控撥號系統 嵌入式語音學習軟體 Smart Phone 與PDA 上的語音辨識 PMP (Portable Multi-media Player) 上的語音辨識與控制 研究簡介 實作上的困難 嵌入式系統上的記憶體容量相對於PC來的小 嵌入式系統上的處理器 (CPU) 運算時脈較低 嵌入式系統上並未搭載浮點運算器 (FPU) 演算法由浮點資料型態更改為整數型態時，所造成的誤差 參考資料與相關研究 Jia-Ching Wang, Jhing-Fa Wang, Yu-Sheng Weng, “Chip design of MFCC Extraction for Speech Recognition”, INTEGRATION, the VLSI journal 32 (2002) 111–131 Soontorn Oraintara, Ying-Jui Chen, Trunong Q. Nguyen, “Integer Fast Fourier Transformation”, IEEE Transactions on Signal Processing, Vol. 50, NO.3, March 2002 Po-Chien Hsueh, Jyh-Shing Roger Jang, “Embedded Speech Recognition”, Master Thesis, July 2004 Chin-Lung Hart Su, Jyh-Shing Roger Jang “Speech Recognition on 32-bit Fixed-point Processors: Implementation Discussions”, Master Thesis, July 2005 基礎理論：語音特徵參數擷取 常見的語音特徵參數擷取的方法： 線性預測編碼 (Linear Predictive Coding) 梅爾倒頻譜係數 (Mel-Scale Frequency Cepstral Coefficients) 基礎理論：MFCC 流程 基礎理論：MFCC-音框化與取能量 音框化 人類的語音訊號在20ms~30ms會呈現半穩態 取音框大小320個訊號點，重疊範圍160個訊號點，作為一個語音特徵之觀測單位 計算能量 計算每一個音框的能量，作為MFCC第13個參數 取能量數學式： 基礎理論：MFCC-預強調 消除並補償聲帶與嘴唇所產生壓抑高頻的效應 凸顯高頻的共振峰 預強調數學式： 基礎理論：MFCC-漢明窗 增加音框與音框間的左右連續性 避免往後作快速傅立葉轉換 (FFT)產生較多的訊號，導致分析上的誤差及錯誤產生 漢明窗數學式： 基礎理論：MFCC-快速傅立葉轉換 將在時域上的訊號轉換成頻率域，使得我們較容易從能量的分佈來觀測語音訊號的特性 離散傅立葉轉換(DFT)數學式： 快速傅立葉轉換，則運用DFT中有複數對偶之特性，來加速運算 基礎理論：MFCC-三角帶通濾波器與計算對數能量 梅爾頻率數學式： 將FFT後所得的能量頻譜，乘上一組M個的三角帶通濾波器來降低資料維度 將所得M個頻帶能量計算ln，取得對數能量 基礎理論：MFCC-離散餘弦轉換 離散餘弦數學式： 26維的資料由頻率域轉成時域上12維的資料 運算量較IDFT低 基礎理論：MFCC-差量倒頻譜 差量倒頻譜數學式： 運用兩次差量計算出Delta與Acceleration參數，來表示MFCC對於時間的變化 方法改進：觀測語料資訊 方法改進：MFCC-計算能量 計算能量的數學式： 避免資料溢位，我們將上述數學式子改寫為： 方法改進：MFCC-計算能量-TCC300 sv 以e0, e2, …e8, 代入運算，得到TCC300語料發生資料溢位的機率 方法改進：MFCC-計算能量-TIMIT sv 以e0, e2, …e8, 代入運算，得到TIMIT語料發生資料溢位的機率 方法改進：MFCC-計算能量 TCC300計算能量： TIMIT計算能量： TIMIT 語料在錄製時音量較小，考量受測音訊有可能音量較大，因此我們取 為403 方法改進：MFCC-預強調 預強調數學式： 將a放大214倍： 預強調數學式改寫成： 方法改