基于神经网络的语音识别在WinCE上的实现和优化

论文摘要

语音识别技术具有重要的理论价值和广阔的应用前景,近年来受到了人们的广泛重视。随着电子计算机和人工智能的不断进步与发展,人们越来越希望让机器能够理解人类的自然语言,这种需求使得语音识别技术有着十分广阔的发展前景。一直以来,语音识别研究大部分以线性系统理论为基础,主要包括应矢量量化(VQ)、动态时间规整(DTW)与隐马尔可夫模型(HMM)等技术。然而,人的发音实际上是一个复杂的非线性过程,基于线性系统理论的语音识别方法的局限性渐渐显示了出来。语音识别技术若要取得突破,就必须引入非线性理论的方法。近年来,人工神经网络(ANN)等非线性理论研究和应用的逐渐深入,将这些理论应用于语音识别成为可能。本文研究了基于神经网络的语音识别,对语音识别的预处理、特征提取与识别算法等技术进行了计算验证、性能分析和比较,设计并开发了基于BP神经网络的软件实验平台,提出了以不同比例对MFCC与LPCC参数进行混合的方法来训练模型,实验表明该方法具有更好的识别率。本文在WinCE嵌入式平台上对该识别模型进行了实现,并做了性能改进,测试结果表明,该嵌入式应用可以对数字0至9的特定人发音达到88.4%的正确识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景
• 1.1.1 语音识别概述
• 1.1.2 数字语音识别研究的意义
• 1.2 语音识别的发展和现状
• 1.2.1 语音识别的发展历史
• 1.2.2 语音识别的应用现状
• 1.2.3 语音识别的发展趋势
• 1.3 语音识别的分类
• 1.3.1 根据语音类型
• 1.3.2 根据语音词汇量大小
• 1.3.3 根据说话者的依赖程度
• 1.4 语音识别的问题和困难
• 1.5 本文的主要工作和创新点
• 1.6 本文的研究内容安排
• 1.7 本章小结
• 第二章 语音识别的基本原理
• 2.1 语音信号的预处理
• 2.1.1 语音信号预加重
• 2.1.2 语音信号加窗分帧
• 2.1.3 端点检测
• 2.2 语音信号的特征提取
• 2.2.1 线形预测系数（LPC）
• 2.2.2 线形预测倒谱系数（LPCC）
• 2.2.3 美尔频率倒谱系数（MFCC）
• 2.3 语音信号识别的主要技术
• 2.3.1 矢量量化（VQ）技术
• 2.3.2 动态时间规整（DTW）
• 2.3.3 隐马尔科夫模型（HMM）技术
• 2.3.4 人工神经网络（ANN）技术
• 2.4 本章小结
• 第三章 基于BP 神经网络的建模方法
• 3.1 神经网络的基本概念
• 3.1.1 神经元
• 3.1.2 神经网络的连接方式
• 3.1.3 神经网络的学习方式
• 3.1.4 神经网络的学习算法
• 3.2 BP 神经网络模型
• 3.2.1 BP 网络的结构
• 3.2.2 BP 网络的学习规则
• 3.2.3 BP 网络的设计原则
• 3.2.4 BP 网络的优点和不足
• 3.3 BP 神经网络在语音识别中的应用
• 3.4 本章小结
• 第四章 实验及结果分析
• 4.1 语音样本库的建立
• 4.2 语音信号预处理
• 4.2.1 端点检测与特征提取
• 4.2.2 特征参数的时间规整
• 4.3 BP 神经网络的构建
• 4.3.1 BP 神经网络的改进措施
• 4.3.2 BP 神经网络的结构
• 4.4 识别性能分析
• 4.4.1 隐层神经元个数对识别性能的影响
• 4.4.2 特征参数方案对识别性能的影响
• 4.4.3 BP 神经网络结构的进一步精简
• 4.5 本章小结
• 第五章 语音识别在嵌入式平台上的实现
• 5.1 eBox 硬件特点
• 5.2 eBox 软件平台
• 5.2.1 WinCE 简介
• 5.2.2 系统定制
• 5.2.3 开发和调试
• 5.3 语音识别的实现代码
• 5.3.1 MFCC 特征提取代码
• 5.3.2 LPCC 特征提取代码
• 5.3.3 BP 模型代码
• 5.4 代码定点化
• 5.4.1 浮点数的定点化
• 5.4.2 定标Q 值
• 5.4.3 数据精度的处理
• 5.5 结果分析
• 5.6 本章小结
• 第六章 总结及展望
• 6.1 全文总结
• 6.2 工作展望
• 参考文献
• 致谢
• 攻读硕士期间主要研究成果