小词汇量语音识别系统

论文摘要

近年来,随着语音识别技术迅猛发展,小词汇量语音识别系统逐渐由实验阶段走向应用阶段。在实际应用过程中,由于噪音干扰、信号失真等因素的影响,小词汇量语音识别系统识别率大幅下降的问题暴露出来,严重阻碍了小词汇量语音识别系统的推广应用。在此背景下,通过分析小词汇语音信号、选取特征参数以及隐马可夫模型技术应用,设计实现小词汇量语音识别系统。本文首先介绍了语音识别的研究与发展状况,对语音识别的历史、存在的问题、发展的方向等方面做了全面总结,为进一步研究小词汇语音识别奠定良好的基础。然后深入研究了小词汇语音识别过程中的各个环节,找出了小词汇语音信号分析、特征参数提取,HMM模型应用等这些薄弱环节,并进行深入分析,确定小词汇量语音识别系统的语音分析方法、特征参数及HMM模型的应用方式。同时提出小词汇量语音识别系统的总体设计方案。根据设计方案,基于SDK开发平台,结合HTK工具中封装函数,利用Visual C、C++及C程序语言进行了系统开发,编写语音信号预处理、特征参数提取、模式训练、语音识别等程序,实现语音识别引擎,生成语音识别应用程序。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 课题背景与意义
• 1.2 语音识别系统的发展现状
• 1.3 本论文的研究内容
• 1.4 论文的结构安排
• 第二章 小词汇语音识别技术综述
• 2.1 小词汇语音识别基本原理
• 2.2 小词汇语音特征参数
• 2.3 小词汇语音识别模型
• 第三章 小词汇语音信号分析与特征参数选取
• 3.1 小词汇语音信号的分析
• 3.1.1 小词汇语音信号的时域分析
• 3.1.2 小词汇语音信号的频域分析
• 3.2 小词汇语音信号特征参数选取
• 第四章 小词汇语音识别隐马尔可夫模型应用
• 4.1 隐马尔可夫模型定义
• 4.1.1 马尔可夫链
• 4.1.2 HMM 状态随机过程
• 4.1.3 语音识别中常用的几种 HMM 结构
• 4.2 HMM 在小词汇语音识别中的应用
• 4.2.1 观察输出概率P（О|λ）的计算
• 4.2.2 最佳状态序列的寻找
• 4.2.3 模型参数的估计
• 4.3 小词汇语音识别模型训练算法
• 4.4 小词汇语音识别模型识别算法
• 第五章 小词汇量语音识别系统总体方案设计
• 5.1 系统性能要求
• 5.2 系统设计思路
• 5.3 系统方案设计
• 5.3.1 系统结构
• 5.3.2 系统模块功能描述
• 第六章 小词汇量语音识别系统实现
• 6.1 小词汇量语音识别系统实现工具简介
• 6.1.1 语音开发工具SDK
• 6.1.2 隐马尔可夫模型工具HTK
• 6.2 小词汇量语音识别系统具体实现过程
• 6.2.1 小词汇语音语料准备
• 6.2.2 小词汇语音特征参数提取
• 6.2.3 小词汇语音模型训练
• 6.2.4 小词汇语音识别
• 6.3 小词汇语音识别系统测试
• 结论
• 参考文献
• 攻读工程硕士学位期间取得的研究成果
• 致谢