基于HMM模型的孤立詞語音識別系統(tǒng)及應用研究.pdf

1、人們在日常生活中實現(xiàn)相互之間的日常交流使用的手段有手勢、表情和語音三種,而語音是其中使用最為頻繁的一種,這是因為語音具有高效方便的特點。正是由于語音高效方便的特點決定了語音識別技術必將會成為人與機器之間交流的主要手段。
　　語音識別所采用的技術手段主要是先提取語音的特征信息并建立模型,然后對語音模型進行訓練得到訓練模板,提取待測語音特征,最后利用得到的訓練模板的特征與待測語音特征進行模式匹配。
　　隨著語音識別技術的不斷發(fā)展

2、,語音控制也隨之得到越來越多的技術人員的關注。語音控制技術的關鍵就在于,不僅要讓機器人聽懂人在說什么,而且還要讓機器人知道要去做什么。本文就是基于語音控制技術,針對小詞匯量孤立詞語音識別系統(tǒng)進行研究。
　　研究表明,在一個很短的時間間隔內(即短時幀)語音信號可看做是平穩(wěn)的。因此,在這段時間類的語音信號能夠用線性模型描述,但是在整體上看來語音信號是隨時間不斷變化的。這就要求在用模型表示該信號時,模型所用的參數(shù)也必須要即時變化。因此,

3、人們想到了這樣一個方法:把整個語音信號劃分成若干個短時區(qū)間,然后再在短時區(qū)間內用線性模型描述,最后按照時間順序將短時線性模型串接,這就構成了一條Markov鏈。Markov鏈描述的是狀態(tài)與觀測值相對應的統(tǒng)計關系。
　　HMM的基本思想是建模,該模型是利用狀態(tài)轉移概率和觀測輸出概率對基元的發(fā)音速率和聲學變化建立的。
　　本論文主要從兩個方面進行論述,一方面從理論的角度討論了語音識別的原理和語音的聲學模型(主要是隱馬爾科夫模型,