基于DHMM和VQ的關鍵詞識別研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩52頁未讀 繼續(xù)免費閱讀

下載本文檔

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、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)

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。

評論

0/150

提交評論