如何在识别过程中更改未识别语音信号的长度？
How to change the length of the unidentified speech signal during recognition?
如几本书所述，孤立词的识别过程包括以下内容：
- 对于给定的一组信号（模板），确定特征向量
每个模板——矩阵 M×N，其中 M 是数量
特征（MFCC，ZCR，...）和 N 是帧数。
- 使用一些算法训练模板，例如 ANN、HMM、GMM、SVM。
- 通过训练模型识别测试信号。
由于语音信号具有不同的持续时间，因此它们的长度通过动态时间规整（DTW）技术对齐，因此所有模板的 N 都相同。可以在训练的时候完成。
我的问题是：如何改变测试信号的长度？我不能在上面使用 DTW，因为我不知道它属于哪个 class。我是否应该使用 "time stretching" 算法，保留音高？如果我应该，这将如何影响识别准确性？
通过提取 N 帧在时间上间隔得更近或更远的特征，您可以获得与 "time stretched" 信号一个等效的 MxN 特征向量。
您无需更改长度即可匹配。你从参考样本和测试样本中提取特征，它们都有不同的帧数。然后在每个参考之间应用 DTW 并进行测试，从而对齐它们。作为 DTW 运行的结果，您可以获得测试样本和每个参考之间的匹配分数。您所做的是不均匀地拉伸每个参考样本以与测试样本相匹配。因为您将每个参考与单个测试进行了比较，所以您可以使用 DTW 分数进行比较。所以你 select 结果是得分最高的参考。
有关 DTW 语音识别的详细信息和想法，请查看此 presentation。
如果你想用DTW更接近语音识别的思想，你可以读一本书语音识别基础第1版
作者： Lawrence Rabiner，Biing-Hwang Juang。
如几本书所述，孤立词的识别过程包括以下内容：
- 对于给定的一组信号（模板），确定特征向量 每个模板——矩阵 M×N，其中 M 是数量 特征（MFCC，ZCR，...）和 N 是帧数。
- 使用一些算法训练模板，例如 ANN、HMM、GMM、SVM。
- 通过训练模型识别测试信号。
由于语音信号具有不同的持续时间，因此它们的长度通过动态时间规整（DTW）技术对齐，因此所有模板的 N 都相同。可以在训练的时候完成。
我的问题是：如何改变测试信号的长度？我不能在上面使用 DTW，因为我不知道它属于哪个 class。我是否应该使用 "time stretching" 算法，保留音高？如果我应该，这将如何影响识别准确性？
通过提取 N 帧在时间上间隔得更近或更远的特征，您可以获得与 "time stretched" 信号一个等效的 MxN 特征向量。
您无需更改长度即可匹配。你从参考样本和测试样本中提取特征，它们都有不同的帧数。然后在每个参考之间应用 DTW 并进行测试，从而对齐它们。作为 DTW 运行的结果，您可以获得测试样本和每个参考之间的匹配分数。您所做的是不均匀地拉伸每个参考样本以与测试样本相匹配。因为您将每个参考与单个测试进行了比较，所以您可以使用 DTW 分数进行比较。所以你 select 结果是得分最高的参考。
有关 DTW 语音识别的详细信息和想法，请查看此 presentation。
如果你想用DTW更接近语音识别的思想，你可以读一本书语音识别基础第1版 作者： Lawrence Rabiner，Biing-Hwang Juang。