基于HMM的语音识别系统研究

论文摘要

语音识别就是研究计算机以最方便、自然、快捷的方式听懂人类语言的一门技术,也是人机语音交互最重要的一步,作为一门交叉学科,具有深远的理论研究价值和实际应用价值。论文在结合理论和实践的基础上,对基于隐马尔可夫模型（Hidden Markov Model,HMM）的非特定人、孤立词语音识别方法进行了系统地研究,主要内容如下。（1）通过基于HMM的语音识别系统的基本结构,详细介绍了语音信号采集、预处理、MFCC特征参数提取、HMM训练和HMM识别等主要模块的基本原理;并针对实际应用中HMM存在的模型初始化和数据溢出等问题进行分析,引入了一些能提高系统性能的相应措施。（2）在HMM的语音识别方法的理论基础上,基于Visual C++7.0平台,设计与开发了一套非特定人、孤立词的语音识别系统。介绍了识别系统的辅助工具:开发工具和音频处理工具;根据可视化系统的用户界面,说明了识别系统的基本功能;并详细介绍了关键模块的C++实现算法。（3）在本文开发的语音识别系统平台上,对one、two、three、four等四个词进行了HMM训练和识别实验。在训练阶段,每个模型16个样本的平均训练时间约为6.206秒,基本达到实时性要求。在识别阶段,共32次识别出现4次错识,总的识别精度为84.38%,每个词的识别时间约为0.313秒,验证了论文方法的有效性,具有较好的应用推广价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 语音识别的研究意义
• 1.2 语音识别的研究现状
• 1.3 语音识别的分类
• 1.3.1 讲话方式
• 1.3.2 服务对象
• 1.3.3 词汇量
• 1.4 语音识别的方法
• 1.4.1 动态时间规整
• 1.4.2 隐马尔可夫模型
• 1.4.3 人工神经网络
• 1.5 本文工作及结构
• 1.5.1 主要工作
• 1.5.2 总体结构
• 第二章 HMM基本理论
• 2.1 HMM的定义
• 2.2 HMM的类型
• 2.3 HMM拓扑结构
• 2.4 HMM基本算法
• 2.4.1 前向-后向算法
• 2.4.2 Baum-Welch算法
• 2.4.3 Viterbi算法
• 2.5 本章小结
• 第三章 基于HMM的语音识别系统
• 3.1 引言
• 3.2 系统的基本结构
• 3.2.1 语音采集
• 3.2.2 预处理
• 3.2.3 特征提取
• 3.2.4 HMM训练
• 3.2.5 HMM识别
• 3.3 问题与措施
• 3.3.1 初始模型
• 3.3.2 数据溢出
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 语音识别系统的设计与实现
• 4.1 辅助工具
• 4.1.1 开发工具
• 4.1.2 音频处理工具
• 4.2 系统的基本功能
• 4.3 关键模块的算法实现
• 4.3.1 语音采集
• 4.3.2 MFCC特征提取
• 4.3.3 HMM训练
• 4.3.4 HMM识别
• 4.4 本章小结
• 第五章 结束语
• 参考文献
• 致谢
• 攻读硕士学位期间主要的研究成果