基于HMM的孤立詞語音識(shí)別系統(tǒng)的研究.pdf

1、語音識(shí)別(Speech Recognition)是讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。語音識(shí)別技術(shù)以語音信號(hào)處理為研究對(duì)象，涉及語言學(xué)、計(jì)算機(jī)科學(xué)、信號(hào)處理、生理學(xué)、心理學(xué)等諸多領(lǐng)域，是模式識(shí)別的重要分支。該技術(shù)有非常廣闊的應(yīng)用前景。而目前應(yīng)用最為成功的語音識(shí)別系統(tǒng)大多是基于隱馬爾可夫模型(Hidden Markov Model)的識(shí)別系統(tǒng)，所以深入了解和掌握隱馬爾可夫模型(HMM)是十分有意義的。

2、論文主要研究語音識(shí)別的基本原理和不同的識(shí)別算法，并著重研究隱馬爾可夫模型(HMM)和基于此模型的語音識(shí)別算法。在此基礎(chǔ)上論文構(gòu)建了一個(gè)基于隱馬爾可夫模型(HMM)的孤立詞語音識(shí)別系統(tǒng)。該系統(tǒng)完成了語音識(shí)別的主要過程，包含預(yù)處理、端點(diǎn)檢測(cè)、特征參數(shù)提取和模式匹配。預(yù)處理主要進(jìn)行了預(yù)加重和加窗分幀，端點(diǎn)檢測(cè)采用了雙門限方法，特征參數(shù)提取采用的是線性預(yù)測(cè)分析方法，選取了美爾倒譜系數(shù)(MFCC)作為主要的特征參數(shù)，利用隱馬爾科夫模型(ttMM)