本文關(guān)鍵詞：基于嵌入式的一種快速孤立詞識別方法研究與應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：要讓機器“聽懂”人的說話,首先必須進行語音識別,所以語音識別技術(shù)是智能技術(shù)中的一個重要分支。隨著HMM理論的相對成熟,語音識別技術(shù)也逐漸走入人們的生活,然而后續(xù)的理論發(fā)展緩慢,昂貴的語音識別芯片,影響了語音識別技術(shù)的推廣,現(xiàn)在我們面臨的問題主要有:第一,語音特征參數(shù)提取的不準確;第二,語音識別模型過于復(fù)雜化。本文針對上述兩個方面存在的問題,提出新的算法改進。為了研究“語音識別與何種參數(shù)相關(guān)”,做了有關(guān)的特征提取實驗,將現(xiàn)有的時域特征、頻域特征及時頻域特征進行對比分析,發(fā)現(xiàn)時頻域特征才是語音識別的特征關(guān)鍵,通過對時頻譜的簡化,得到一個新的時頻特征——過零譜,再經(jīng)由大量實驗證明,過零譜是一種可以實現(xiàn)簡單且識別效率高的特征函數(shù)。針對現(xiàn)有的語音識別模型雖精確度高但是計算復(fù)雜的特點,提出了一種高識別率,低復(fù)雜度的語音識別模型——基于超球串的仿生模式識別算法,通過反復(fù)實驗,與動態(tài)時間規(guī)整(DTW)、隱馬爾科夫模型(HMM)對比分析,可知仿生模式識別在算法復(fù)雜度上遠遠低于其他幾種算法,而識別的準確率不低于其他語音識別算法。對于現(xiàn)有的語音識別模型,特征參數(shù)提取過程復(fù)雜,計算量大,耗時長致使在低性能的嵌入式系統(tǒng)上難于實現(xiàn),從而導(dǎo)致語音芯片或語音識別系統(tǒng)昂貴的問題,本文通過提出了一種新的特征提取方法,并用仿生模式識別算法進行識別,經(jīng)MATLAB上進行仿真結(jié)果表明,該算法運行速度快,識別率高。將該算法移植到STM32上,實現(xiàn)了孤立詞識別。本文的研究有廣泛的應(yīng)用價值,隨著人們對生活質(zhì)量要求越來越高,也要求語音識別能夠在準確率、識別速度、價格等方面獲得更大的綜合優(yōu)勢,我們在這方面的工作是一種有益的嘗試。
【關(guān)鍵詞】：語音識別 特征提取 過零譜 STM32 仿生模式識別
【學位授予單位】：上海師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN912.34
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-14
• 1.1 引言7
• 1.2 課題背景、目的和意義7-9
• 1.3 發(fā)展歷史、國內(nèi)外研究現(xiàn)狀及未來發(fā)展趨勢9-12
• 1.3.1 語音識別發(fā)展歷史和國內(nèi)外研究現(xiàn)狀9-11
• 1.3.2 語音識別未來發(fā)展趨勢11-12
• 1.4 論文主要研究內(nèi)容及創(chuàng)新點12
• 1.5 論文結(jié)構(gòu)安排12-14
• 第二章 語音識別技術(shù)14-19
• 2.1 語音識別系統(tǒng)的基本結(jié)構(gòu)14
• 2.2 語音信號預(yù)處理14-17
• 2.2.1 語音信號的預(yù)加重14-15
• 2.2.2 語音信號的加窗分幀15
• 2.2.3 語音信號的端點檢測15-17
• 2.3 語音識別特征參數(shù)提取17-18
• 2.4 語音識別算法18
• 2.5 本章小結(jié)18-19
• 第三章 基于過零譜的特征提取算法19-29
• 3.1 常用特征參數(shù)提取算法19-22
• 3.1.1 線性預(yù)測倒譜參數(shù)（LPCC）19-20
• 3.1.2 梅爾頻率倒譜系數(shù)（MFCC）20-22
• 3.2 新的特征提取算法——過零譜22-26
• 3.3 幾種特征提取算法的比較26-29
• 第四章 基于超球串仿生模式識別的語音識別算法29-38
• 4.1 常用語音識別算法29-33
• 4.1.1 動態(tài)時間規(guī)整算法DTW29-30
• 4.1.2 HMM30-33
• 4.2 改進的仿生模式識別算法33-37
• 4.3 語音識別算法復(fù)雜度分析37-38
• 第五章 系統(tǒng)軟硬件實現(xiàn)38-50
• 5.1 系統(tǒng)軟件實現(xiàn)38-43
• 5.1.1 系統(tǒng)軟件設(shè)計的總體介紹38-39
• 5.1.2 系統(tǒng)軟件功能設(shè)計39-40
• 5.1.3 端點檢測算法的軟件實現(xiàn)40-41
• 5.1.4 提取特征參數(shù)算法的軟件實現(xiàn)41-42
• 5.1.5 基于超球串的仿生模式識別算法的軟件實現(xiàn)42-43
• 5.2 系統(tǒng)硬件構(gòu)成43-50
• 第六章 總結(jié)與展望50-52
• 6.1 總結(jié)50
• 6.2 未來展望50-52
• 參考文獻52-55
• 附錄55-56
• 攻讀學位期間取得的研究成果56-57
• 攻讀學位期間參與部分項目57-58
• 致謝58-60
• 附件60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 王守覺;仿生模式識別(拓撲模式識別)——一種模式識別新模型的理論與應(yīng)用[J];電子學報;2002年10期

2 閻福智;;語音信號處理中特征提取方法研究[J];中國新通信;2013年21期

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張延盛;孤立詞語音識別算法研究及DSP實現(xiàn)[D];南京信息工程大學;2011年

2 李碩;孤立詞語音識別算法的研究和實現(xiàn)[D];哈爾濱工業(yè)大學;2010年

3 吳艷艷;孤立詞語音識別的關(guān)鍵技術(shù)研究[D];青島大學;2012年

4 馬靜霞;帶噪語音端點檢測方法的研究[D];燕山大學;2007年

5 程曉偉;非特定人孤立詞語音識別算法研究與實驗分析[D];中國地質(zhì)大學（北京）;2009年

6 郭偉;基于聽覺神經(jīng)原理的語音信號處理[D];上海交通大學;2009年

7 劉釗;孤立詞語音識別算法研究及其FPGA實現(xiàn)[D];哈爾濱工業(yè)大學;2008年

8 陳濤;基于DSP的語音信號識別系統(tǒng)的研究與實現(xiàn)[D];成都理工大學;2010年

9 熊洋;基于小詞匯量語音識別算法與TTS系統(tǒng)的車聯(lián)網(wǎng)移動終端研究與實現(xiàn)[D];北京交通大學;2013年

10 陳衛(wèi)強;基于DSP的孤立詞語音識別系統(tǒng)的研究與實現(xiàn)[D];南昌航空大學;2013年

  本文關(guān)鍵詞：基于嵌入式的一種快速孤立詞識別方法研究與應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：274452