基于HMM建模的语音识别算法的研究

论文题目: 基于HMM建模的语音识别算法的研究

论文类型: 硕士论文

论文专业: 计算机应用技术

作者: 王稚慧

导师: 王民

关键词: 语音识别,隐马尔可夫模型,端点检测

文献来源: 西安建筑科技大学

发表年度: 2005

论文摘要: 随着现代计算机技术的普及和发展,计算机的使用越来越深入到人们的日常生活中。人类与计算机进行交流时,最直接和方便的方式就是语言交流,所以语音识别和语音合成技术已成了现代科技发展的一个标志,语音识别和语音合成也因此成为现代计算机技术研究和发展的重要领域之一。 语音识别技术与多种学科的研究领域都有联系,这些领域的科研成果也成为推进语音识别技术发展的重要因素。语音识别技术已经取得一些了成就。但是,大多数语音识别系统仍局限于实验室中应用,远没有达到实用化要求。制约实用化的根本原因可以归为两类,识别精度和系统复杂度。本文就是研究汉语语音识别实用化面临的理论和技术问题,并对其中某些部分进行了实验证明。 本文共分为4章。第1章为绪论,首先阐明了语音识别研究的意义,接着介绍了语音识别简史、研究现状,最后介绍本文的主要内容。第2章为语音识别系统,主要介绍了语音识别系统中的主要研究内容,以及语音信号处理的重点和难点。第3章为基于HMM建模的语音识别系统的分析与实践。主要研究在实际应用中,使用隐马尔可夫模型建模时,对于传统算法的改进。第4章为语音识别匹配算法。研究在建立好模式后,匹配待识别语音信号的方法。 主要的研究内容归纳为: 1.研究语音识别系统的组成和主要技术。 2.分析隐马尔可夫模型应用于语音识别系统中时,都有哪些主要技术难点和重点。 3.提出使用频能比进行语音信号端点检测的方法。 4.对隐马尔可夫模型训练过程中参数B的优化方法进行改进。 5.对于实际应用中,常常出现的训练数据不足以及说话者对模型的影响进行分析,提出了克服这些困难的办法。 6.在识别过程中,将识别算法进行改进,剪掉识别过程中的置信度低的模型,争取更高的识别率和更快的匹配时间。

论文目录:

1 绪论

1.1 课题研究背景

1.2 语音识别系统研究的历史和现状

1.3 本文所做的工作与论文组织结构

2 语音识别系统

2.1 语音识别的原理

2.2 语音识别基元的选取

2.3 语音信号的预处理

2.3.1 增益控制、预滤波、模／数(A／D)转换

2.3.2 预加重

2.3.3 加窗

2.4 语音信号的时域特征

2.4.1 短时平均能量

2.4.2 短时过零率

2.5 语音信号的频域特征

2.6 模式识别

2.6.1 动态时间规整(DTW)技术

2.6.2 隐马尔可夫模型(Hidden Markov Model，HMM)技术

2.6.3 矢量量化(VQ)技术

2.6.4 人工神经网络(ANN)技术

2.6.5 混合型模式识别技术

2.7 小结

3 基于HMM建模的语音识别系统的分析与实现

3.1 隐马尔可夫模型

3.1.1 隐马尔可夫(HMM)基本思想

3.1.2 HMM的三个基本问题

3.1.3 HMM基本算法

3.1.4 HMM的类型

3.2 语音识别中的HMM

3.2.1 孤立词与连接词识别

3.2.2 音素HMM连续语音识别

3.3 语音信号端点检测

3.3.1 频能比

3.3.2 利用频能比进行端点检测

3.4 语音信号特征值的提取

3.4.1 语音识别特征参数选择方法

3.4.2 语音信号的声学模型特征参数

3.4.3 语音信号的听觉模型特征参数

3.5 HMM模型的实现方案

3.5.1 初始模型参数设定

3.5.2 HMM模型状态分布B的估计

3.5.3 HMM训练中存在的其他问题

3.6 小结

4 语音识别匹配算法

4.1 隐马尔可夫模型状态及状态驻留相关的声学置信量度

4.1.1 状态与特征矢量相关的两种声学置信准则

4.1.2 状态驻留分布相关法声学置信准则

4.2 基于汉语音节特点的部分拒识原则在语音识别搜索算法中的应用

4.2.1 连续语流中汉语语音的音节结构特点和可采用的拒识策略

4.2.2 基于部分匹配拒识原则的N-best改进算法

4.2.3 算法复杂度改进分析

4.3 小结

5 总结及展望

致谢

参考文献

发布时间: 2005-07-19

参考文献

• [1].基于TLD与HMM的动态手势跟踪与识别方法研究[D]. 闫志强.西北农林科技大学2018
• [2].基于HMM的运动手势轨迹识别[D]. 彭要凯.北京交通大学2017
• [3].基于改进HMM下自动摘要的生成[D]. 吴灿丽.浙江理工大学2017
• [4].基于多尺度HMM的手势识别方法研究[D]. 白时雨.吉林大学2013
• [5].基于HMM的人体行为识别研究[D]. 梁鹏华.兰州交通大学2013
• [6].基于HMM的汉语词性标注及其改进[D]. 朱颖.太原理工大学2011
• [7].基于时空轨迹特征的HMM动态手势识别研究[D]. 尹彦敏.青岛科技大学2013
• [8].可视化HMM抗性基因建模研究[D]. 阳攀.哈尔滨工业大学2011
• [9].基于局部纹理特征和HMM的人脸表情识别研究[D]. 姜扬.天津师范大学2014
• [10].基于HMM的广告商竞价行为预测模型的研究[D]. 龙丽丽.哈尔滨工程大学2015

相关论文

• [1].基于HMM与小波神经网络的语音识别系统研究[D]. 唐军.南京理工大学2007
• [2].用遗传算法改进HMM的语音识别算法研究[D]. 王一平.太原理工大学2007
• [3].基于HMM和ANN的语音识别方法[D]. 尹江艳.吉林大学2007
• [4].改进的HMM训练方法在语音识别中的应用[D]. 刘畅.吉林大学2007
• [5].基于HMM的语音识别技术的研究[D]. 苗苗.西安建筑科技大学2007
• [6].HMM和神经网络用于语音识别的算法研究[D]. 赵姝彦.太原理工大学2005
• [7].基于神经网络/HMM的语音识别算法的研究[D]. 张志刚.武汉理工大学2006
• [8].基于HMM的汉语数字语音识别系统研究[D]. 侯周国.湖南师范大学2006
• [9].基于HMM模型的语音识别系统研究[D]. 汤玲.国防科学技术大学2005
• [10].HMM在语音识别中的应用研究[D]. 张长胜.吉林大学2006

标签：语音识别论文;  隐马尔可夫模型论文;  端点检测论文;