小词汇量非特定人连续语音识别系统的研究

论文摘要

语音识别是指让计算机能听懂人类的语言,并根据语言的内容执行一定的命令或任务,在电话拨号、家电遥控、工业控制、信息查询等领域有着广泛应用。语音识别包括孤立词语音识别、连接词语音识别、连续语音识别,本文主要研究小词汇量非特定人连续语音识别系统的开发与实现。本文详细阐述了连续语音识别系统的基本原理,研究了识别过程中的特征参数提取、模型选择和识别规则等关键技术。同时,在“硬件的软件化”思想和对信号分析处理的基础上,利用LabVIEW语言和MATLAB语言相结合的方法,开发并设计了基于虚拟仪器技术的连续语音识别系统。将虚拟仪器技术应用于语音识别系统,实现了仪器的软件化,真正体现了“软件就是仪器”的思想。从语音信号的实时采集开始,对语音信号进行预加重、小波消噪、端点检测等处理,滤除了语音信号中的无声段和噪声段,为语音特征参数的提取提供了有效的语音段,并采用美尔频率倒谱系数及其差分系数相结合的参数特征提取方法,通过矢量量化(VQ)与隐马尔可夫模型(HMM)来实现系统的训练与识别,构建了基于LabVIEW平台的非特定人连续语音识别系统。通过实验分析及其运行结果表明,利用LabVIEW开发平台构建的非特定人连续语音识别系统,对特定环境下的语音内容无需再训练,移植性好,并且语音样本容易采集,成本比较低廉,对语音内容的识别正确率达到90%左右,基本符合了实际应用的要求,具有一定的实际应用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 语音识别的概述
• 1.2 语音识别的分类
• 1.3 汉语语音识别的难点
• 1.4 本文选题的依据和意义
• 1.5 本文的主要工作
• 第2章 语音信号的实时采集与预处理
• 2.1 语音信号的产生模型
• 2.2 语音信号的实时采集
• 2.3 语音信号的数字化和预处理
• 2.3.1 语音信号的预加重
• 2.3.2 语音信号的分帧处理
• 2.3.3 语音信号的加窗处理
• 2.3.4 语音信号的小波消噪处理
• 2.3.5 语音信号的端点检测
• 2.4 本章小结
• 第3章 语音信号的特征参数提取
• 3.1 MFCC 特征参数的提取
• 3.1.1 美尔频率倒谱系数
• 3.1.2 特征矢量的构成
• 3.2 倒谱提升窗口
• 3.3 美尔差分倒谱参数
• 3.4 MFCC 分量的选择
• 3.5 本章小结
• 第4章 非特定人连续语音识别的算法
• 4.1 矢量量化模型
• 4.1.1 码本的形成
• 4.1.2 初始码本的设计方法
• 4.1.3 搜索算法
• 4.2 隐马尔可夫模型的基本原理及其在语音识别中的应用
• 4.2.1 HMM 基本原理
• 4.2.2 HMM 的基本问题及其解决方案
• 4.2.3 利用HMM 进行非特定人连续语音识别
• 4.3 本章小结
• 第5章 非特定人连续语音识别系统的实现
• 5.1 虚拟仪器的简介
• 5.2 系统的实现平台
• 5.2.1 硬件平台
• 5.2.2 软件平台
• 5.3 非特定人连续语音识别系统的设计与实现
• 5.3.1 系统概述
• 5.3.2 语音信号的实时采集
• 5.3.3 语音信号的预处理
• 5.3.4 语音信号的特征参数提取
• 5.3.5 系统模板库的建立
• 5.3.6 系统识别过程的设计
• 5.3.7 非特定人连续语音识别系统的软面板设计
• 5.4 实验结果及其分析
• 5.4.1 模板库模板选择实验
• 5.4.2 改进Viterbi 算法与经典Viterbi 算法实验比较
• 5.4.3 系统识别类型的实验
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和科技成果
• 致谢
• 详细摘要