基于FPGA的語音識別系統(tǒng)的設計與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩86頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,語音識別技術不斷發(fā)展并得到廣泛應用,具有語音識別功能的設備正在走進千家萬戶,成為方便人們工作和生活的得力助力。語音信號處理技術的不斷成熟和集成電路設計方法的更新,讓語音識別技術有了一個全新的開發(fā)平臺,語音識別芯片和基于FPGA的語音識別技術應運而生。
  本文闡述了人類的聽覺系統(tǒng)和語音信號的產生模型,運用數(shù)字信號處理的相關理論,講述了語音信號的預濾波、預加重、端點檢測、分幀加窗,并在時域和頻域上,分析了語音信號,并將時域的

2、語音信號轉換到頻域上,提取出語音信號的特征參數(shù)。本文講述了LPC線性預測特征參數(shù)提取算法、基于 MEL頻率的MFCC特征參數(shù)提取算法和基于上升過零率的ZCPA特征參數(shù)提取算法。用語音信號的特征參數(shù)訓練出語音信號的系統(tǒng)模型,將語音樣本和語音信號的模型相匹配,得到語音識別結果。常見的模型匹配算法有基于動態(tài)規(guī)劃的DTW算法,基于統(tǒng)計的隱馬爾可夫模型等等,本文使用MFCC特征參數(shù)提取方式和連續(xù)混合的隱馬爾可夫模型。對語音識別的算法進行了簡化和優(yōu)

3、化,分析比較了泰勒展開、半連續(xù)隱馬爾可夫模型和取指數(shù)最大值三種方法來簡化語音識別算法,并在MATLAB上模擬了算法在每一種簡化方法后的實際效果,結果表明取指數(shù)最大值的方法對系統(tǒng)識別率的影響最小,因此,本文采用了取指數(shù)最大值的方法來簡化系統(tǒng)。同時,本文模擬并簡化了協(xié)方差矩陣的計算,使得在不影響系統(tǒng)性能的情況下,減少了系統(tǒng)運算量。使用FPGA為載體,用IP核構成SOPC語音識別系統(tǒng)。SOPC系統(tǒng)運用模塊化的硬件系統(tǒng)設計方式,除硬件加速模塊及

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論