基于DHMM和VQ的關鍵詞識別研究與實現(xiàn).pdf

1、關鍵詞識別KWR是一種自動語音識別ASR技術，其目的是在自然語音流中檢測和確認一組由特殊場合決定的特定詞。隨著自動語音識別技術的發(fā)展，關鍵詞識別技術已經延伸到通訊、自動控制、人機交互和信息檢索等諸多領域?，F(xiàn)有關鍵詞識別系統(tǒng)主要是基于PC機的，不符合片上系統(tǒng)SOC體積小和低功耗的要求，因此基于集成電路IC的關鍵詞識別系統(tǒng)成為當前的研究熱點?；贗C的語音識別系統(tǒng)主要通過DSP和FPGA兩種途徑來實現(xiàn)，由于我國沒有高性能DSP的自主知識產權

2、，因此從成本控制上考慮，擁有開發(fā)成本低、體積小和速度快等諸多優(yōu)點的FPGA成為我國發(fā)展語音識別專用芯片的首選。
　　 目前，現(xiàn)有關鍵詞識別系統(tǒng)中的許多軟件算法很難用FPGA硬件電路來設計實現(xiàn)。本文在研究KWR基本原理及主流識別算法的基礎上，通過研究分析離散隱馬爾可夫模型(DHMM)和引入矢量量化(VQ)模塊，研究設計了易于FPGA硬件電路實現(xiàn)的基于DHMM和VQ的關鍵詞識別系統(tǒng)。
　　 本文主要工作內容如下：
　　

3、 (1)分析了HMM基本原理，重點研究了前向-后向算法、模型參數(shù)重估Baum-Welch算法和最佳狀態(tài)搜索Viterbi算法，并分析解決了多觀察值序列的模型參數(shù)重估問題。
　　 (2)分析了語音信號預處理、端點檢測和特征參數(shù)提取的基本原理及常用算法，重點研究實現(xiàn)了MFCC特征提取算法和設計實現(xiàn)了基于硬件電路實現(xiàn)的狀態(tài)機法端點檢測。
　　 (3)分析了現(xiàn)有KWR系統(tǒng)的基本結構，研究了離散化模型DHMM的訓練算法，設計實現(xiàn)