特定詞識別實驗報告

實驗目的

1.設計命令詞識別任務

• 語音識別垃圾分類詞彙的垃圾桶
• 確定詞表：1.可回收物；2.有害垃圾；3.廚餘垃圾；4.其他垃圾
• 錄製語料：後來採用的是QQ語音紅包的形式收集
• 檢查語料：用Cool Edit Pro擷取與播放
• 去除靜音：端點檢測演算法實現

2.特徵提取

• Matlab程式碼實現

3.識別模式

• 呼叫DTW程式碼

4.計算測試結果

• 計算正確率=識別結果正確的語料數/總測試語料數

5.擴充套件嘗試

• 特徵提取的LPC演算法
• 特徵提取MFCC與LPC引數的融合
• 做一個UI介面

6.反思

• MFCC的一些數學公式本來沒看懂，在使用過程中逐漸體會到了各個引數的用處和意義，接下來還需加強理解。
• 各個引數的數量級和度量方式可能不同，如何融合還不清楚。

資料夾介紹

兩個存放語音的資料夾

1. 語音資料採集：分為可回收物（28則）、有害垃圾（25則）、廚餘垃圾（21則）、其他垃圾（26則）、次品（11則噪音較多、2則方言）五個子資料夾。
   
2. 端點檢測後的語音：對錄好的113則語音進行端點檢測，處理的程式碼是endpointDetection.ipynb
   

有關MFCC特徵的檔案

1. 一個存放MFCC的資料夾：MFCC-EndPointedVoice:對應也分為可回收物mfcc、有害垃圾、廚餘垃圾、其他垃圾、次品五個子資料夾。
   
2. Matlab裡Voicebox中提取MFCC的程式碼：mfcc.m
   

語音識別

•呼叫DTW演算法


樣本模板只有4個，就是每種垃圾各一個。然後用另一個可回收物音訊當作測試模板，識別結果為2對應的就是可回收物，識別成功。
接下來的應改寫測試模板的程式碼使它可以批量測試並計算正確率。

老師的建議

• 不要著急著進行後續的語音識別率的判斷。畢竟目前所用的知識等都是現成的，目前屬於拿來主義。應從原理的理解或資料的處理等方面去深刻理解，這樣才能在SRDP後續研究中找到研究切入點。
• 如可以比較一下同一種語音（如廚餘垃圾）的21個數據的頻譜差異和統計分析結果，也可以比較一下這21個數據對應的MFCC等引數存在哪些差異（雖然後續可能識別率可達到100%）。這樣就能夠對語音識別引數的設定有深入理解了，也能夠知道其適用範圍和侷限性了。
• 如果想要將SRDP升為國創，就要在研究內涵上深入些，從今年開始，國創和省創都是省裡請專家評審了，難度加大了，研究過於簡單或應用不廣的專案很難升為國創和省創的。
• 此外注意，對原始語音資料的預處理技術關係到識別成功程度的高低。