[发明专利]一种基于改进MFCC算法的嵌入式语音识别系统及方法

权利要求书

1.一种基于改进MFCC算法的嵌入式语音识别方法，其特征在于包括以下步骤：

1)启动语音识别系统，显示菜单界面，并判断语音识别系统是否是第一次使用，若是，则进入步骤9)，反之则进入步骤2)；

2)通过语音识别系统上的菜单键选择进入识别模式；

3)语音识别系统中的主控系统通过采样电路开始采集用户语音信号；

4)主控系统对采集到的语音信号进行预处理；

5)预处理完成后，主控系统对语音信号进行端点检测，确定语音信号的起始点和结束点；

6)端点检测完成后，主控系统对语音信号进行特征提取，得到12维的混合特征参数，该12维的混合特征参数即为用户输入语音信号的全部特征；

7)对语音信号的特征提取完成后，主控系统将得到的特征参数与主控系统内预先存储的特征模板进行匹配，若匹配，则得到最终的识别结果；反之，则重新进行识别模式；

8)由语音识别系统中的LCD显示屏显示识别结果，并通过语音识别系统的蓝牙模块无线控制用户指定的设备；

9)通过菜单键选择进入训练模式；

10)用户通过菜单键选择训练模板的存放点，若各个模板存放点都已存有模板，则需要用户选择其中一个存放点进行数据覆盖；

11)选择完训练模板的存放点后，正式进入训练模式，并得到训练模板，存入到主控系统的特征模板存储区内，用于语音识别的特征匹配。

2.如权利要求1所述识别方法，其特征在于：所述步骤5)中，主控系统对语音信号进行端点检测的方法包括以下步骤：

5.1)主控系统提取识别前200ms的语音信号作为背景噪声，依据噪声信息和语音信息的短时平均幅度值的差异，根据单位时间跨过正负阈值的次数设置相应门限；

5.2)设定当语音信号超过正负阈值之一或者同时超过正负阈值时，并超过预先设定的时间，则将此作为语音的起始点；设定语音信号同时低于正负阈值，并超过预先设定时间，则将此作为语音的结束点。

3.如权利要求1所述识别方法，其特征在于：所述步骤6)中，对语音信号进行特征提取采用改进MFCC算法，MFCC参数的提取包括以下步骤：

6.1)对经过预处理后的语音信号进行快速傅里叶变换，转换到频域信号后再计算得到的短时能量谱；

6.2)将短时能量谱基于滤波器组进行滤波，再将每个滤波器频带内的能量进行积分，得到功率谱；

6.3)将每个滤波器对应的功率值取对数，再对得到的对数功率进行反离散余弦变换，最终得到12个MFCC系数；

6.4)再由主控系统对语音信号进行翻转梅尔频率倒谱运算，得到翻转梅尔倒谱系数IMFCC；IMFCC参数的提取流程与MFCC参数的提取流程一致；

6.5)得到的MFCC参数与IMFCC参数分别表征了低频段和高频段的语音特点，采用Fisher线性判别准则得到特征分量的Fisher比：

式中，r_Fisher是特征分量的Fisher比；σ_between表示特征分量的类间方差；σ_within表示特征分量的类内方差；

6.6)在上述步骤中得到的MFCC参数与IMFCC参数中分别选择Fisher比最大的6个分量组合成12维的混合特征参数，完成语音信号的特征提取。

4.如权利要求3所述识别方法，其特征在于：所述步骤6.4)中，翻转梅尔频率f_IMel与实际频率f的变换关系为：

f_IMel＝2195.268-2595*lg(1+(4031.25-f)/700)。