0

我正在使用梅尔频率倒谱系数实现语音识别软件。特别是系统必须识别单个指定的单词。由于音频文件，我在一个有 12 行（MFCC）和与语音帧数一样多的列的矩阵中获得了 MFCC。我取行的平均值，所以我得到一个只有 12 行的向量（第 i 行是所有帧的所有第 i 个 MFCC 的平均值）。我的问题是如何训练分类器来检测单词？我有一个只有正样本的训练集，我从几个音频文件中获得的 MFCC（同一个词的几个注册）。

4

1 回答 1

1

我取行的平均值，所以我得到一个只有 12 行的向量（第 i 行是所有帧的所有第 i 个 MFCC 的平均值）。

这是一个非常糟糕的主意，因为您丢失了有关单词的所有信息，您需要分析整个 mfcc 序列，而不是其中的一部分

我的问题是如何训练分类器来检测单词？

简单的形式是 GMM 分类器，您可以在此处查看：

http://www.mathworks.com/company/newsletters/articles/developing-an-isolated-word-recognition-system-in-matlab.html

在更复杂的形式中，您需要学习更复杂的模型，例如 HMM。您可以从像这样的教科书中了解更多关于 HMM 的信息

http://www.amazon.com/Fundamentals-Speech-Recognition-Lawrence-Rabiner/dp/0130151572

于 2015-02-17T13:46:07.350 回答