非特定人漢語(yǔ)數(shù)碼語(yǔ)音識(shí)別研究及嵌入式系統(tǒng)實(shí)現(xiàn).pdf

1、語(yǔ)音識(shí)別是模式識(shí)別和人工智能的一個(gè)重要領(lǐng)域，是計(jì)算機(jī)科學(xué)、信號(hào)處理、生理學(xué)、心理學(xué)等多學(xué)科研究的熱點(diǎn)問(wèn)題。目前，語(yǔ)音識(shí)別技術(shù)方面的研究逐漸從實(shí)驗(yàn)室研究階段進(jìn)入實(shí)用化研究階段。隨著智能化電子產(chǎn)品開(kāi)發(fā)的需求提高和嵌入式技術(shù)的發(fā)展，迫切需要將語(yǔ)音識(shí)別技術(shù)應(yīng)用于基于嵌入式系統(tǒng)平臺(tái)的智能電子產(chǎn)品，以提升產(chǎn)品的市場(chǎng)價(jià)值和易操作性?，F(xiàn)有的語(yǔ)音識(shí)別算法計(jì)算復(fù)雜度和空間復(fù)雜度較高，而嵌入式平臺(tái)的可用資源有限，需要對(duì)算法進(jìn)行改進(jìn)，在保證一定識(shí)別率的前提下降

2、低算法計(jì)算復(fù)雜度，以適合嵌入式平臺(tái)的應(yīng)用。此外，為了增加產(chǎn)品的通用性，免去每次重新訓(xùn)練，語(yǔ)音識(shí)別最好可以針對(duì)非特定人并且對(duì)集外數(shù)據(jù)有效。針對(duì)上述問(wèn)題，本文對(duì)非特定人漢語(yǔ)數(shù)碼的語(yǔ)音識(shí)別相關(guān)算法進(jìn)行研究，提出相應(yīng)的改進(jìn)算法，并將該算法應(yīng)用于嵌入式系統(tǒng)，實(shí)現(xiàn)了一個(gè)語(yǔ)音撥號(hào)系統(tǒng)。論文的主要研究?jī)?nèi)容包括：
　　首先，利用隱馬爾科夫工具包（HTK）搭建了一個(gè)語(yǔ)音識(shí)別系統(tǒng)，并分別針對(duì)孤立詞與連續(xù)詞、集內(nèi)數(shù)據(jù)和集外數(shù)據(jù)等多種情況開(kāi)展實(shí)驗(yàn)。

3、　　其次，研究了語(yǔ)音信號(hào)去噪、特征提?。ㄈ缇€(xiàn)性預(yù)測(cè)頻率倒譜系數(shù)LPCC和Mel頻率倒譜系數(shù)MFCC）、聲學(xué)單元選取、參數(shù)捆綁和高斯混合元數(shù)目等對(duì)識(shí)別率的影響。
　　再次，對(duì)現(xiàn)有語(yǔ)音識(shí)別算法進(jìn)行優(yōu)化設(shè)計(jì)，提出適用于嵌入式平臺(tái)的語(yǔ)音識(shí)別算法。在PC機(jī)上針對(duì)連續(xù)詞語(yǔ)音識(shí)別對(duì)該算法進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明，集內(nèi)識(shí)別率達(dá)97.50％，集外識(shí)別率達(dá)96.83%，識(shí)別時(shí)間也有所減少。
　　最后，將所提出的語(yǔ)音識(shí)別算法應(yīng)用于嵌入式平臺(tái)（友善之