基于 signal/spectrum 分析的语音识别
Voice recognition based on signal/spectrum analysis
我正在研究一种通过比较信号和频谱来识别音频词的解决方案。
为了解码音频，我使用 libavcodec 和 libavformat，我使用 1 个参考字并与其他字进行比较。
示例：
# Must return true
./vrecog --file_ref chocolat.wav --file_cmp chocolat_2.wav
# Must return false
./vrecog --file_ref chocolat.wav --file_cmp banana.wav
我的步骤：
- 我把信号放在std::vector
- 我用 Fast Fourier Transform
将信号转换为频谱
- 我计算我的光谱
的[最小值、最大值、平均值、std_deviation、方差]
- 我使用步骤 3 中的值计算 correlation coefficient
推理是否正确？系数总是接近 1，我不知道我可以用什么来有效地比较数据来判断单词是否相同。
这些是我的情节：
信号（巧克力，chocolat_2 和香蕉）：
光谱（巧克力、chocolat_2 和香蕉）：
我们可以很容易地看到两个 "chocolat" 词的信号和频谱似乎很接近，但我无法获得相似度百分比。
对于信号，这通常是通过（两个信号的）互相关函数完成的，这与卷积非常相似。因此，它可以通过专为提高效率而设计的 FFT 在数学上完成。一旦你采用相关函数，你就可以决定你想要什么阈值 "match"，等等。有关更多信息，我会阅读：http://www.aip.de/groups/soe/local/numres/bookcpdf/c13-2.pdf 因为我们正在谈论的是漂亮的数学很重，在我的一门大学课程中教授了几周。
我正在研究一种通过比较信号和频谱来识别音频词的解决方案。
为了解码音频，我使用 libavcodec 和 libavformat，我使用 1 个参考字并与其他字进行比较。
示例：
# Must return true
./vrecog --file_ref chocolat.wav --file_cmp chocolat_2.wav
# Must return false
./vrecog --file_ref chocolat.wav --file_cmp banana.wav
我的步骤：
- 我把信号放在std::vector
- 我用 Fast Fourier Transform 将信号转换为频谱
- 我计算我的光谱 的[最小值、最大值、平均值、std_deviation、方差]
- 我使用步骤 3 中的值计算 correlation coefficient
推理是否正确？系数总是接近 1，我不知道我可以用什么来有效地比较数据来判断单词是否相同。
这些是我的情节：
信号（巧克力，chocolat_2 和香蕉）：
光谱（巧克力、chocolat_2 和香蕉）：
我们可以很容易地看到两个 "chocolat" 词的信号和频谱似乎很接近，但我无法获得相似度百分比。
对于信号，这通常是通过（两个信号的）互相关函数完成的，这与卷积非常相似。因此，它可以通过专为提高效率而设计的 FFT 在数学上完成。一旦你采用相关函数，你就可以决定你想要什么阈值 "match"，等等。有关更多信息，我会阅读：http://www.aip.de/groups/soe/local/numres/bookcpdf/c13-2.pdf 因为我们正在谈论的是漂亮的数学很重，在我的一门大学课程中教授了几周。