小詞匯量非特定人的孤立詞語音識別系統(tǒng)研究.pdf

1、語音識別是一門交叉學科,涉及數(shù)字信號處理、人工智能、計算機科學和數(shù)學模型等許多學科領域,它是目前發(fā)展最為迅速的信息研究領域之一。隨著人們的需求以及嵌入式芯片和移動終端設備等技術的不斷發(fā)展,使得語音識別系統(tǒng),尤其是非特定人的孤立詞語音識別系統(tǒng),越來越多的應用到我們的日常生活中(比如手機的語音撥號,汽車上的語音導航等),為我們帶來了極大的便利。
　　 本文針對小詞匯量、非特定人的孤立詞語音識別進行了深入研究,主要的工作包括:

2、　　 提出了一種基于短時平均幅度增量和短時平均過零率的語音端點檢測方法,該方法利用語音的短時幅度的連續(xù)上升做出第一級判決,以短時平均過零率為特征做出第二級判決。實驗結(jié)果表明,在信噪比理想的情況下,該方法準確,簡單,可靠。
　　 研究了語音識別中的幾種特征提取算法:基于人的發(fā)音模型的線性預測系數(shù)(LPC)、線性預測倒譜系數(shù)(LPCC)和基于人耳聽覺特性的梅爾頻率倒譜系數(shù)(MFCC),并且列出了幾種提高梅爾頻率倒譜系數(shù)性能的方法。

3、針對孤立詞語音識別,本文研究了動態(tài)時間規(guī)整(DTW)和隱馬爾科夫模型(HMM)算法。對于DTW算法,介紹了動態(tài)規(guī)劃(DP)技術和松弛端點的DTW算法。在介紹隱馬爾科夫模型時,從其概念入手,介紹了它的三個基本問題及其解法和連續(xù)隱馬爾科夫模型。
　　 在對語音識別技術深入研究的基礎上,提出了一套構(gòu)建小詞匯量非特定人的孤立詞語音識別系統(tǒng)的算法方案,并在Matlab環(huán)境中實現(xiàn)了對語音識別系統(tǒng)的仿真;詳細介紹了在實現(xiàn)系統(tǒng)的過程中所遇到的問