TW546630B - Optimized local feature extraction for automatic speech recognition - Google Patents

Description

546630 五、發明説明（2 術將可建構並使用一種單二辨識器，而在該辨識器 中，浯音模型已經透過一種獨特特徵抽取程序為各 種不同聲音層級進行最佳化。因此，本發明的辨識 器可以在不需要增加辨識分析程序之複雜性的狀況 下’為各種不同聲音層級進行最佳化。 為了能更完整地了解本發明以及其目的與優 點，請參照以下的發明說明及附錄的圖式。 第1圖為一個概觀性硬體或軟體方塊圖，其展 用以製造聲音語音信號之子波封包轉換的本發明 ------------------------裝：： (請先閲讀背面之注意事項再填寫本頁) 不 的 一較佳實施例 第2圖展示在副波帶分析中所進行之較佳時間頻 率分解。 第3圖為-較佳實施例的方塊圖，其根據本發明 用以實行副波帶特徵抽取。 第4圖展示用以處理高通濾波器頻疊效應的本發 明較佳技術；以及 第5圖為一個流程圖，其展示用以選出特定聲音 層級之最佳子波樹狀結構的程序。 曰 較佳實施例的說明 本發明的局部特徵抽取系統將使用聲音波形的 子波分解技術。子波分解技術可形成以局部時間與 5 本紙張尺度適用中國國家標準（CNS) Α4規格（210X297公釐） ----------------tr------------- :線- < 546630 五、發明説明（4 ^ >= // (x)g(x) * dx 二胃g為函數（或信號，數學上這二種名稱 _，相同東西)時，g*則為9的伴矩陣。這表示可 2以針對函數空間來建立基則，以在該基則中投 途個函數’亚且利用方程式1與方程式2來重新 建立信號。 特別地，子波基礎可從位移w(x)—w(x+b)以及 雛形函數w(x)的擴張w(x) — w(ax)中建構，稱作母 波。-旦母波滿足某些基本性質時，將可透過位移 ^擴張該母波而取得函數空間的基準，如前面所解 此目的是表示函數的一種新方法，特別是在時間 與頻率上為局部的函數。如果我們與傅立葉串聯分 解進行比較的話，我們可以說正弦與餘弦在頻率上 具有完美的局部性，但在時間或空間上則具有整體 性。 ，本發明將運用子波以達成時間與頻率的局部支 援。當有數種方法可以進行子波分解時，本發明較 佳的技術便是使用根據在高通與低通組件中分解信 號的-種遞歸算法。另外，也可應用—種反覆過^ 第1圖顯示如何利用設置於一個串聯樹狀結構中 的低通與高通濾、波器來進行子波的分解。該樹狀結 構中的各個節點包括由高通遽波器10與對應低通濾 波器12所組成的-基礎區塊。跟隨在各個渡波器之 本紙張尺度適用中國國家標準（CNS) A4規格（210X297公楚）

裝：； -i?先閲讀背面，5意事？H) -線------- 546630 A7 _B7 -五、發明説明（6 ) • 供局部支援，以便直接地對原始信號進行處理。換 - g之’並不需要如習知快速傅立葉變換處理一般來 - 施加開窗術。 .本發明較佳的實施例將使用藉著以長度為15的 訊澤窗口頻率回應來旋繞理想低通（或高通）濾波器 頻率回應而没計出的遽波器’以最小化所得濾、波器 •I 的漣波。此目的是要取得傳輸頻帶與抑制頻帶之間 ' 的急劇轉調過渡段，以使濾波器的最小重複成為必 要。這將依次地在濾波器排組的輸出端產生略減的 相關性。在利用此種方式計算出低通濾波器後，可 隨後利用對離散迪拉克函數的脈波回應總和來測定 出南通濾、波器。 第3圖中，轉換區塊32的輸出將展示在34處作 為表示一種時間頻率分解技術，如更詳細地展示於 第2圖中般。 • 雖然可以在進行向下取樣後直接地使用低通濾 波器的輸出端，較佳實施例將在高通濾波器的輸出 端上進行額外處理以反轉某些頻疊效應（即所謂的 灰碼’’Gray code”效應）。第4圖將展示頻疊方案。 要注意的是，低通濾波與向下取樣步驟將產生從零 頻率到尼奎斯特頻率的頻率範圍。此將大概地展示 於40處。相反地，在進行高通率波與向下取樣之後， " 維持於介在零頻率至尼奎斯特頻率之間頻率範圍的 頻譜將為過濾信號高頻率頻譜的及者影濛。因此， -7-— ---—_ ____ 本紙張尺度適用中國國家標準（CNS) A4規格（210X297公釐）

------------------------裝—— (請先閲讀背面之注意事項再填寫本頁) ;訂------- -線丨 546630 五、發明説明（8 ) 樣本的數目N可針對最高副波帶來進行調整上以使 平均窗口時間延伸決不會小於一訊框。 ，接下來’如區塊37所示，將進行—項壓縮運算。 壓縮運算所進行的型態可依賴語音信號的本質來進 行。將針對未使,料的語音進行-項非線性對數運 算。將反之針對受雜音干擾的語音進行—項根壓縮 運算。該等運算中任一項均將對ei施用非線性。雖 然上述對數運算式為本發明的較佳運算式，也可以 應用其他非線性運算。 在區塊38巾，將藉著施用一項離散餘弦轉換 (DCT)來抽取出逆譜係數，如方程式2所示： 方程式2 C-tl〇g(e;)cos[^^J^〇jl5 ^ 這項結果是一組副波帶特徵39,其當建構如隱藏 式馬可夫模型的語音模型時’可用來表示原始語音 信號30。 D扣曰 副波帶分析可提供相當程度的自由。本質上來 說，可以選出濾、波器排組樹狀結構中的任_節點來 到:對特定聲音層級備置時間頻率分解。換言之，未 必只有葉節點會用於子波分解中。反之，可以使用 葉節點與中間節點的任-項組合。可針對特定聲音 11 546630 五、發明説明（10 ) 鑑別力5算，如步驟112所展示。 在計算出母節點與子節點的鑑別力後，步驟114 將比較母節點的鑑別力以及子節點的鑑別力總和。

參 士 y驟116中所示’如果子節點鑑別力總和大於母 U 力總和的話，那麼子節點將包含在該樹狀 結構中。否則，在步驟118中，將利用去除子節點 以及該子節點任域代的方法來修剪㈣狀結構。 將持續進行第5圖中所展示的程序，直到每個節 點都如所述地測試，或者由排除在外的子節點排除 在外為止。此項結果是已經針對所欲的聲音層級對 一子波樹狀結構進行最佳化修剪。在以此種方式發 展—樹狀結構後’本系統可以針對其他的聲音層^ 繼續發展其他樹狀結構（以不同的修剪方式）。 可使不同樹狀結構最佳化以鑑別出特定群組的 聲音。此種樹狀結構均從過分茂密的樹狀結構所抽 取出來，因此針對對應於用以計算出所欲特徵之最 佳子樹狀結構㈣點，只要進行-項分解即可。— 可針對各個專門特徵來訓練專業隱藏式馬可夫 模型。例如，可從最佳化專業特徵中建構出一組可 鑑別母音與子音之不同的專業模型，以取得該等聲 音之間的南度鑑別性。 因此，可藉由先辨識出寬廣層級（例如子音對母 音)’再辨識出多通辨識範例中之一層級内的特定聲 音來達成模型的粗至細解析率。另外，在單 13 546630 五、發明説明（12 42 反轉的高頻帶 100分類訓練資料 步驟102抽取出所欲的聲音層級（音素） 步驟104計算出子波樹狀結構 步驟106針對樹狀結構的每個節點計算出 能量 步驟108如果能量在臨界值之下的話， 的生長 步驟110透過距離計算方法來計算出（母）節點的鑑 別力 步驟112計算出母節點之子節點的鑑別力 步驟114 Λ較母節點的鑑別力與子節點的鑑別力 總和 步驟116如果子節點的鑑別力總和較大的話，便在 樹狀結構中使用子節點 步驟118使用母節點的上層樹狀結構分枝

便停止節;I (請先閲讀背面之注意事項再填寫本頁) 袭丨 ------ :線丨 15 本紙張尺度適用中國國家標準（CNS) Α4規格（210X297公釐）

Claims (1)

1. 546630

   ^、申請專利範圍 f 89124931號申請案申請專利範圍修正本911〇29. 1_ 一種自動語音辨識用之特徵抽取方法，其包含： 用、’且子波來分解—聲音語音信號，該 組子波係組織為具有多個頻率副波帶節點之一資料 結構中之一組子信號； 對對應於每一節點之每—子信號計算一平 均向量； % ±界定並選出—子波基準以提昇對特定層級 聲音的鑑別性；以及 本 索 應用該基準到該紐子波以自該等平均向量產 生二個分解係數，其中該等分解係數代表從該聲 音語音信號中抽取出之特徵。 2_如申請專利範圍第1項之方法，其另包含將該 組子波表示為分解絲，且對該純進行後處 理以對其進行解聯結與壓縮。 3_如申請專利範圍第，項之方法，其中該聲音語 音信號係以數位形式進行取樣與表現。 4·如申請專利範圍第）項之方法，其中該組子波 係組織為樹狀結構。 5.如申請專利範圍第4項之方法，其中該樹狀結 構為取自基礎處理區塊連鎖的一種二元樹狀結 構。 6_如申請專利範圍帛5項之方法’其中該基礎處 理區塊可進行向下取樣之後的高通與低通濾 546630

   波 如申：專利範圍第4項之方法，其中該樹狀社 構可界（出多個葉節點，而各個葉 分解係數。 1有1 8.如申請專利範圍第4頊之古 ^ 項之方法’其中該樹狀結

   構叮界疋出-根節點’且其中該方法另包含連 續地將該聲音語音信號送人至該根節點。 9·如申請專利範圍第4項之方法，其中該樹狀結 構可界定出多個瑩# # π u β μ 夕似茱即點，而戎葉郎點係被選出 以使一業已決定的聲音層級鑑別性最大化。 1〇.如申請專利範圍第1項之方法，其另包含在一 個時間視窗上求得該分解係數的積分。 11.如申請專利範圍第！項之方法，其另包含對該 分解係數進行一項非線性運算。

   泛如：請專利範圍第”項之方法，其中該非線性 運算包括壓縮該分解係數。 13.2申請專利範圍第1項之方法，其另包含對該 節點中選出的節點進行一項離散餘弦轉換，進 而抽取出逆譜係數。 14·如申請專利範圍第彳項之方法，其另包含藉著 計算出各個節點上代表能量的一數值來選出該 節點的一部份，並且如果計算出的數值在一業 已決定的臨界值之下的話，便修剪一節點。 15·如申凊專利範圍第彳4項之方法，其中代表能量 17 的该數值為一壓縮能量。 16·:'申請專利範圍帛4項之方法，其另包含藉著 :异出该卽點中第一個節點的鑑別力來選出該 即點的^份，而如果該子節點的鑑別力總和 少於該節點第一節點的鑑別力的話，便另計算 出4即點第一節點之子節點的鑑別力且修剪該 子節點。 •如申請專利範圍帛，項之方法，其包含產生第 -多個分解係數以代表聲音的第一層級且產生 第二多個分解係數以代表聲音的第二層級，並 和用^第-與第二多個分解係數以產生用於語 音辨識的第一組與第二組特定模型。 18.如申請專利範圍第”項之方法，其中該第一組 與第一組特定模型係使用於多通組態中，藉此 第一組模型可先與辨識結果一同使用，之後再 利用第二組模型進行處理。 瓜如申請專利範圍第17項之方法，其中該第一組 與第二組特定模型係同時被使用，以滿足對應 於該第一與第二聲音層級的辨識結果。 20·如申請專利範圍第17項之方法，其中該第一聲 音層級對應於聲音廣層之間的第一鑑別層，且 其中該第二聲音層級對應於聲音窄層之間的第 二鑑別層。 54601___^ 面影印I 、 ------______ '

   第1圖 546630 ⑽· ！· ίο

   546630 91 10 J