时间序列相似性度量及其在语音识别领域的应用

发布时间：2023-01-25 16:27

　　时间序列是一组按照时间先后顺序进行排列的数据点集合,每个元素由采集时间和数据值组成（其中数据值可以是一个确定的数也可以是一个向量,即多元）,是生产生活中常见的一种数据类型,广泛应用于数理统计、信号处理、模式识别等与时间数据测量相关的应用科学与工程学,对其进行相似性度量可用于指导生产实践。本文以日常生活中最常见的一种时间序列----语音序列数据为对象,对时间序列相似性度量问题进行了研究,针对一元语音信号相似性度量和多元语音信号相似性度量方法进行了改进,提出了改进的基于时间序列相似性识别语音信号识别算法。本文主要工作如下:（1）针对一元语音信号相似性度量方法,本文首先在预处理阶段对语音信号进行多项式平滑滤波（Savitzky-Golay）,随之对平滑后的序列选取重要点。本文在使用连续三点取值算法的基础上,在重要点选取时增加了新的极值点选取约束条件,并引入了变化明显的转折点,从而有效的降低时间序列的长度,实验表明本文提出的算法具有可行性和有效性。（2）针对多元语音信号相似性度量方法,在低信噪比环境下传统端点检测算法存在清音和无声区的区分效果不好的问题,本文对端点检测中短时过零率算法进行了改进... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景与意义
        1.1.1 课题研究背景
        1.1.2 课题研究意义
    1.2 时间序列相似性的研究现状
        1.2.1 基于锁步度量的时间序列相似性度量
        1.2.2 基于弹性度量的时间序列相似性度量
    1.3 时间序列的表示方法
        1.3.1 时间域连续表示
        1.3.2 基于变换的表示
        1.3.3 基于离散化的表示
    1.4 语音识别技术的发展进程及研究现状
        1.4.1 高斯混合模型+隐马尔可夫模型语音识别
        1.4.2 DTW语音识别
        1.4.3 神经网络在语音识别中的应用
    1.5 语音识别技术的应用
    1.6 论文技术路线、研究内容和章节安排
        1.6.1 论文技术路线
        1.6.2 章节安排
    1.7 本章小结
第二章 一元时间序列相似性度量
    2.1 一元时间序列预处理
        2.1.1 一元时间序列定义
        2.1.2 特征缩放
        2.1.3 多项式最小二乘滤波
    2.2 一元时间序列特征提取
        2.2.1 时间序列中连续三点的变换模式
        2.2.2 重要点选取算法
    2.3 时间序列相似性度量(FastDTW)
    2.4 基于PAA算法的时间序列相似性度量
    2.5 本章小结
第三章 多元时间序列相似性度量及其在语音识别的应用
    3.1 多元时间序列基本概念
        3.1.1 多元时间序列的定义
        3.1.2 多元时间序列相似性度量
        3.1.3 欧式距离
        3.1.4 余弦距离
    3.2 多元时间序列相似性度量算法在语音识别中的应用
    3.3 语音信号预处理
        3.3.1 语音信号预加重
        3.3.2 语音信号加窗处理
        3.3.3 语音信号端点检测
        3.3.4 短时能量
        3.3.5 短时过零率
        3.3.6 双门限端点检测算法
        3.3.7 改进短时过零率
    3.4 特征参数提取
    3.5 语音信号的识别
    3.6 本章小结
第四章 实验设计及结果分析
    4.1 一元时间序列相似度量实验
        4.1.1 实验环境
        4.1.2 实验设计
        4.1.3 实验评价指标
        4.1.4 实验结果
        4.1.5 实验结果分析
    4.2 基于PAA算法的时间序列相似性度量
        4.2.1 实验设计
        4.2.2 实验结果
        4.2.3 实验结果分析
    4.3 多元时间序列相似性度量及语音识别实验
        4.3.1 实验设计
        4.3.2 实验结果
        4.3.3 实验结果分析
    4.4 本章小结
第五章 总结与展望
    5.1 概述
    5.2 本文主要工作与创新点总结
    5.3 下一步研究方向展望
参考文献
攻读硕士期间发表的论文及所取得的研究成果
致谢


【参考文献】：
期刊论文
[1]基于多项式最小二乘滤波的时间序列相似性度量[J]. 乔钢柱,朱良泽,丁智慧,程谭.  测试技术学报. 2020(01)
[2]基于关键点的不确定时间序列线性降维方法[J]. 汤其婕,朱小萍.  计算机技术与发展. 2018(08)
[3]一种多元台风时间序列的相似性度量方法[J]. 黄冬梅,郑霞,赵丹枫,王丽琳.  计算机应用研究. 2019(03)
[4]基于双门限算法的端点检测改进研究[J]. 王满洪,张二华,王明合.  计算机与数字工程. 2017(11)
[5]基于PAA的时间序列早期分类[J]. 马超红,翁小清.  计算机科学. 2018(02)
[6]多元时间序列相似性度量方法[J]. 李正欣,郭建胜,毛红保,高杨军.  控制与决策. 2017(02)
[7]时间序列数据挖掘的相似性度量综述[J]. 陈海燕,刘晨晖,孙博.  控制与决策. 2017(01)
[8]基于区域极值点的时间序列聚类算法[J]. 孙雅,李志华.  计算机工程. 2015(05)
[9]基于三点的时间序列关键点研究[J]. 刘永志,皮德常,贾学萍.  微电子学与计算机. 2015(01)
[10]基于关键点的不同长度时间序列相似性度量[J]. 刘永志,皮德常,陈传明.  计算机工程与应用. 2014(20)

硕士论文
[1]基于改进型DTW的语音识别系统的研究[D]. 徐智.安徽大学 2019



本文编号：3731568