基于特征補償和ARM平臺的魯棒語音識別算法實現(xiàn).pdf

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