

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、語音識別技術在實驗室環(huán)境下獲得了良好的系統(tǒng)性能,但是應用環(huán)境的復雜性嚴重影響了語音識別的性能,同時當前基于計算機軟件和在線語音識別系統(tǒng)受到應用設備條件等限制,因此開發(fā)魯棒、小型化、離線的語音識別系統(tǒng),具有重要的應用價值。本文針對以上問題,主要研究基于多環(huán)境模型矢量泰勒級數(shù)特征補償?shù)聂敯粽Z音識別系統(tǒng)以及在嵌入式系統(tǒng)上的開發(fā)和移植,同時實現(xiàn)基于ARM A8平臺的優(yōu)化,以此提高語音識別系統(tǒng)的適用性。
論文的主要研究工作如下:
2、 (1)研究了語音識別系統(tǒng)結構、性能評價參數(shù)和魯棒識別技術。本論文使用了基于短時能量和短時過零率的雙門限端點檢測。選擇美爾倒譜系數(shù)(MFCC,Mel-Frequency Cepstral Coefficients)以及一階差分MFCC作為本論文使用的特征參數(shù),利用隱馬爾科夫HMM(Hidden Markov Model)模型作為聲學模型,選擇ARM A8作為開發(fā)平臺,并選擇嵌入式Linux系統(tǒng)作為片上開發(fā)系統(tǒng)。
(2)分析了
3、多環(huán)境模型的矢量泰勒級數(shù)(VTS,Vector Taylor Series)特征補償算法,完成ARM A8硬件開發(fā)環(huán)境的搭建,實現(xiàn)了基于ARM A8和多模型VTS特征補償?shù)姆翘囟ㄈ斯铝⒃~識別系統(tǒng),包括音頻處理模塊,預處理模塊、端點檢測模塊、特征提取模塊、多環(huán)境模型特征補償模塊和識別模塊,并進行了仿真測試和結果分析。
(3)優(yōu)化了基于ARM A8和多環(huán)境特征補償?shù)那度胧秸Z音識別系統(tǒng),其中分為硬件配置優(yōu)化和算法優(yōu)化。在硬件配置優(yōu)化
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(wǎng)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(jīng)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。
最新文檔
- 魯棒語音識別中基于矢量泰勒級數(shù)的特征補償算法改進與實現(xiàn).pdf
- 基于雙層GMM結構和多環(huán)境優(yōu)化模型的ARM魯棒語音識別算法實現(xiàn).pdf
- 魯棒語音識別中的特征補償與模型自適應算法研究.pdf
- 基于矢量泰勒級數(shù)的魯棒語音識別算法研究與實現(xiàn).pdf
- 語音識別中基于模型補償?shù)脑肼曯敯粜詥栴}研究.pdf
- 聽覺特性與魯棒語音識別算法研究.pdf
- 基于特征分類直方圖均衡的魯棒性語音識別研究.pdf
- 魯棒語音識別中的模型自適應算法研究與實現(xiàn).pdf
- 基于ARM A8和矢量泰勒級數(shù)特征補償?shù)恼Z音識別系統(tǒng)實現(xiàn)與優(yōu)化.pdf
- 基于魯棒特征的人臉識別與特征保護算法研究.pdf
- 語音識別系統(tǒng)噪聲魯棒性算法研究.pdf
- 魯棒人臉識別算法的研究與實現(xiàn).pdf
- 基于ARM平臺的語音降噪算法的研究與實現(xiàn).pdf
- 語音識別算法在ARM-linux平臺上的研究與實現(xiàn).pdf
- 魯棒性語音識別的特征提取與模型自適應算法研究.pdf
- 車載語音識別魯棒性研究及其DSP實現(xiàn).pdf
- 基于模型自適應的魯棒語音識別算法在嵌入式系統(tǒng)上的實現(xiàn).pdf
- 基于組合去噪方法的魯棒性語音識別.pdf
- 基于神經(jīng)網(wǎng)絡的語音識別魯棒性研究.pdf
- 噪聲魯棒的語音情感識別研究.pdf
評論
0/150
提交評論