语音识别算法及其在嵌入式中的应用

论文摘要

语音识别技术起源于上个世纪五十年代,经过了半个多世纪的发展,语音识别技术的算法越来越成熟,应用范围也越来越广泛。从PC机上的听写软件,到语言比对学习软件,现在语音识别的触角已延伸到了一个新兴的领域——目前越来越热门的嵌入式领域。嵌入式设备的身影活跃在人类生活的各个方面,从常见的数码设备,手机、MP3、玩具等,到电梯,智能洗衣机、冰箱等,在人类的现代化生活中占据了越来越大的比重。嵌入式系统作为计算机系统的一个分支,比起传统的计算机系统来更生活化,更非专业化。当前,嵌入式设备的发展方向是便利化,智能化。语音识别在嵌入式发展的进程中,起到了及其重要的作用。但是,由于嵌入式设备的特殊性,每个不同的嵌入式设备,根据其硬件,应用方向的不同,所需要的配套软件系统也是不尽相同的。本文根据基于语音识别的流程,讨论了常见的几种特征提取算法,如梅尔频率倒谱系数(MFCC),线性预测倒谱系数(LPCC),以及训练匹配算法,如动态时间规整(DTW),隐马尔可夫模型(HMM)等。最后设计了一个基于ARM的语音控制智能电动车的语音识别模块。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 语音识别的概括及发展趋势
• 1.2.1 语音识别技术发展的历史
• 1.2.2 语音识别的发展现状
• 1.3 嵌入式技术的发展
• 1.4 论文工作和章节安排
• 第二章 语音识别流程
• 2.1 端点检测
• 2.2 预处理
• 2.2.1 预加重
• 2.2.2 加窗分帧
• 2.3 特征提取
• 2.3.1 基本的声音特征
• 2.3.2 语音信号的时域分析
• 2.3.3 语音信号的频域分析
• 2.4 训练和匹配
• 第三章 语音识别算法
• 3.1 特征提取的算法
• 3.1.1 线性预测倒谱系数
• 3.1.2 Mel 频率倒谱系数
• 3.2 训练算法
• 3.2.1 矢量量化
• 3.2.2 动态时间规整
• 3.2.3 隐马尔可夫算法
• 3.2.4 人工神经网络
• 第四章 语音控制的智能小车
• 4.1 系统架构
• 4.2 语音识别模块
• 4.2.1 语音输入
• 4.2.2 预处理
• 4.2.3 提取特征参数
• 4.2.4 训练
• 4.2.5 模板匹配
• 4.3 实验结果
• 4.3.1 基于DTW 算法的实验
• 4.3.2 基于DTW 和HMM 算法的实验结果比较
• 4.4 实验总结
• 第五章 总结与展望
• 5.1 总结
• 5.2 存在的问题以及对嵌入式的展望
• 致谢
• 参考文献
• 附录 HTK 工具包的工作流程