漢語孤立詞語音識別的研究與實(shí)現(xiàn).pdf

1、孤立詞語音識別實(shí)現(xiàn)簡單、技術(shù)成熟，有著廣泛的應(yīng)用領(lǐng)域，是深入進(jìn)行語音識別研究的基礎(chǔ)。隱馬爾可夫模型(HMM)是目前最流行的語音識別技術(shù)，許多成功的語音識別系統(tǒng)都是基于該技術(shù)實(shí)現(xiàn)的。本文通過一個(gè)在Windows平臺上用VC++實(shí)現(xiàn)的基于連續(xù)隱馬爾可夫模型(CDHMM)的漢語小詞匯量、非特定人、孤立詞語音識別系統(tǒng)，對孤立詞語音識別進(jìn)行了研究。 論文首先研究了語音識別的基本知識，主要包括語音識別的原理；語音信號處理的基本知識；各種語音

2、識別和訓(xùn)練的方法。然后研究了隱馬爾可夫模型的原理及其在語音識別中的應(yīng)用。 在此基礎(chǔ)上論文主要工作有以下： 1)完成了一個(gè)使用連續(xù)隱馬爾可夫模型的漢語小詞匯量、非特定人、孤立詞語音識別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)，并進(jìn)行了實(shí)驗(yàn)。由于使用VC++實(shí)現(xiàn)系統(tǒng)，對信號處理較為復(fù)雜。因此在實(shí)現(xiàn)時(shí)沒有選用美爾頻率特征系數(shù)(MFCC)，而是選用了近似于MFCC但計(jì)算相對簡單的LPC美爾倒譜系數(shù)(LPCMCC)作為特征參數(shù)。 2)實(shí)驗(yàn)時(shí)發(fā)現(xiàn)系

3、統(tǒng)中的雙門限端點(diǎn)檢測方法對噪聲較敏感，當(dāng)語音信號中混入噪聲時(shí)，檢測結(jié)果就會變得不準(zhǔn)確；針對這一問題，對端點(diǎn)檢測做了研究，提出了一種變幀長自適應(yīng)門限的端點(diǎn)檢測方法； 3)分析了特征參數(shù)各維系數(shù)在語音識別中的貢獻(xiàn)，給出了提高特征參數(shù)抗噪聲性能的方法： 4)最后本文針對Baum-Welch算法進(jìn)行HMM參數(shù)估計(jì)速度慢、效率低的問題，給出了改進(jìn)的方法。在使用Baum-Welch算法訓(xùn)練HMM模型時(shí)，語音識別系統(tǒng)的速度和效率比較低