基于特征補(bǔ)償和ARM平臺(tái)的魯棒語(yǔ)音識(shí)別算法實(shí)現(xiàn).pdf

1、語(yǔ)音識(shí)別技術(shù)在實(shí)驗(yàn)室環(huán)境下獲得了良好的系統(tǒng)性能，但是應(yīng)用環(huán)境的復(fù)雜性嚴(yán)重影響了語(yǔ)音識(shí)別的性能，同時(shí)當(dāng)前基于計(jì)算機(jī)軟件和在線語(yǔ)音識(shí)別系統(tǒng)受到應(yīng)用設(shè)備條件等限制，因此開發(fā)魯棒、小型化、離線的語(yǔ)音識(shí)別系統(tǒng)，具有重要的應(yīng)用價(jià)值。本文針對(duì)以上問題，主要研究基于多環(huán)境模型矢量泰勒級(jí)數(shù)特征補(bǔ)償?shù)聂敯粽Z(yǔ)音識(shí)別系統(tǒng)以及在嵌入式系統(tǒng)上的開發(fā)和移植，同時(shí)實(shí)現(xiàn)基于ARM A8平臺(tái)的優(yōu)化，以此提高語(yǔ)音識(shí)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(yǔ)音識(shí)別系統(tǒng)結(jié)構(gòu)、性能評(píng)價(jià)參數(shù)和魯棒識(shí)別技術(shù)。本論文使用了基于短時(shí)能量和短時(shí)過零率的雙門限端點(diǎn)檢測(cè)。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(xué)模型，選擇ARM A8作為開發(fā)平臺(tái)，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(jí)數(shù)(VTS，Vector Taylor Series)特征補(bǔ)償算法，完成ARM A8硬件開發(fā)環(huán)境的搭建，實(shí)現(xiàn)了基于ARM A8和多模型VTS特征補(bǔ)償?shù)姆翘囟ㄈ斯铝⒃~識(shí)別系統(tǒng)，包括音頻處理模塊，預(yù)處理模塊、端點(diǎn)檢測(cè)模塊、特征提取模塊、多環(huán)境模型特征補(bǔ)償模塊和識(shí)別模塊，并進(jìn)行了仿真測(cè)試和結(jié)果分析。
　　(3)優(yōu)化了基于ARM A8和多環(huán)境特征補(bǔ)償?shù)那度胧秸Z(yǔ)音識(shí)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