基于神經(jīng)網(wǎng)絡與小波變換的語音識別系統(tǒng)研究.pdf

1、隨著計算機技術的不斷地發(fā)展與應用以及智能化不斷地提高，與機器進行交流，能讓機器能夠明白人類的語言，這是人類長期以來所期望的，正是因為這種期望和需求推動著語音識別技術快速發(fā)展并得到應用。在近幾年，語音識別已經(jīng)被廣泛地應用到了各個領域中，例如家電、手機等等。一直以來，語音識別技術因為具有著非常重要地研究價值和意義以及廣泛地應用前景，而受到了研究人員和各個領域的重視，并投入越來越多的精力來做研究。本文將介紹語音識別的識別過程、基本原理及組成部

2、分，語音識別過程包括:預處理、特征提取、訓練、識別決策、閾值比較等模塊。總的來說，語音識別技術主要包括有特征提取技術、模式匹配準則及模型訓練技術三個方面，即選取一定的聲音特征，然后運用一定的模型算法對語音信號建立獨有的模板庫后進行逐一模板匹配，最終得到最佳識別結果。
　　 本文主要對語音識別過程中的端點檢測、特征參數(shù)提取及識別決策等幾方面進行研究，并提出了自己的一些想法，主要內(nèi)容大概如下:
　　 1、本文分析了語音信號端

3、點檢測一些傳統(tǒng)方法，并提出了一種利用雙門限能量法與神經(jīng)網(wǎng)絡法相結合的方法，為語音信號檢測端點進行了分析，表明本文所提出控制方法的有效性相對于其他常見的方法有提高識別率。
　　 2、本文分析了各種常用的語音信號特征參數(shù)系數(shù)，及其提取算法。分析已有研究結果的優(yōu)缺點。并在已有的算法的基礎上，研究提出一種優(yōu)化的算法，融合了小波變換、LPCC參數(shù)和MFCC參數(shù)的算法;通過Matlab軟件仿真驗證其整體動作的合理性、有效性。