车载语音控制指令识别算法的研究

车载语音控制指令识别算法的研究

论文摘要

随着汽车技术的日新月异,越来越多的控制技术被应用在汽车上来提高汽车驾驶的安全性、舒适性和娱乐性。近几十年来,语音识别技术获得了快速发展,语音产品开始从实验室走向市场。语音识别技术也被越来越多地应用于对汽车局部电子电器设备的智能控制。本文应用动态时间规整(DTW)孤立词语音识别方法,实现了一个车载语音控制指令识别系统的软件算法部分。本文首先全面介绍了目前主要的语音识别方法,系统讨论了语音识别系统的组成和原理。在此基础上,根据车载语音控制指令识别系统的特点,对比各种语音识别方法的优缺点,确定了动态时间规整语音识别方法作为本课题的识别方法,讨论了DTW算法的原理,对匹配路径的搜索过程进行了细致的分析,并给出了语音识别结果的判定准则。针对DTW算法存在的计算量较大、占用存储空间较多的缺点,采用了一种分段弯折、搜索确定的平行四边形区域的DTW改进算法进行模式匹配。在语音信号处理部分,采用小波变换的方法去噪,采用乘矩形窗函数的方法对语音信号进行分帧,采用过零率与短时能量特征双门限法进行语音端点检测,将12阶LPC系数和12阶LPCC系数共同组成的24维特征矢量作为语音信号的特征矢量。接下来,应用MATLAB软件对语音信号的处理过程进行了仿真,证明了本课题所选算法可行。为了检验语音识别算法的识别效果,设计了语音识别测试,分别在不同背景噪声环境下来对算法性能进行测试,获得了良好的识别效果。达到了设计要求。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 课题的研究目的和意义
  • 1.2 语音识别技术现状和发展趋势
  • 1.3 本课题主要研究内容
  • 第2章 语音识别系统的基本原理
  • 2.1 语音识别概述
  • 2.2 语音识别的基本原理
  • 2.2.1 语音识别系统组成
  • 2.2.2 预处理
  • 2.2.3 特征参数提取
  • 2.2.4 声学模型和模式匹配
  • 2.2.5 后处理
  • 2.3 本章小结
  • 第3章 算法比较与选择
  • 3.1 语音识别算法比较与选择
  • 3.1.1 动态时间规整
  • 3.1.2 隐式马尔可夫模型
  • 3.1.3 人工神经网络
  • 3.1.4 一种改进的DTW 算法
  • 3.2 去噪算法比较与选择
  • 3.2.1 滤波器法
  • 3.2.2 小波变换的方法
  • 3.3 本章小结
  • 第4章 语音识别算法仿真
  • 4.1 算法仿真过程
  • 4.2 语音信号的获取
  • 4.3 小波变换去除噪声
  • 4.4 语音信号的预处理
  • 4.4.1 语音信号的预加重
  • 4.4.2 分帧加窗
  • 4.4.3 语音信号的端点检测
  • 4.5 语音信号模板的构成
  • 4.5.1 提取特征参数
  • 4.5.2 语音库的构成
  • 4.6 模板匹配方法
  • 4.7 语音识别测试与结果分析
  • 4.7.1 语音识别测试方案设计
  • 4.7.2 语音识别测试结果
  • 4.7.3 测试结果分析
  • 4.8 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  

    车载语音控制指令识别算法的研究
    下载Doc文档

    猜你喜欢