文档介绍：首先,本文详细地介绍了语音识别的基本理论以及谟镆训练模块,用唧盗烦龌旧УピDP停盗芳谴蟠驶量连续语音,生成唧曜几袷降纳P臀募T诒鞠低持形颐基于动态词表的孤立词语音识别系统的迪摘要然后,本文介绍了该系统的具体实现方案,组成系统的各个模块直接采用已经经过款盗返纳УピDP汀式库生成部分。参考模式库是以词典的标注文件作为索引,由基本声型混合的方式建立索引,由于个模型的鲎刺谧艿闹∈语音识别是模式识别领域的一个重要的研究课题,它的发展将会对未来的人机交互界面带来极大的影响。而在语音识别的研究中,基于动态词表的嵌入式语音识别仍然是具有挑战性的一个课题。目前虽然已有许多嵌入式语音识别系统问世,但是其性能还远远达不到大规模应用的要求,对于它的进一步研究具有重要的实际意义。本文以开发“基于动态词表的孤立词语音识别系统的迪帧为目标,对基于动态词表的孤立词语音识别模块进行研究和开发,使其具有训练步骤简化、增加识别内容方便,具有较高的孤立词识别率和较快的识别速度等特点,改变逐个内容训练的传统方式,使应用更方便、更人性化。识别中的应用。其次,本文系统地介绍了基于动态词表的孤立词镆羰侗系统的功能要求和结构设计,并概要地介绍了嵌入式酒姆展及特点。以及系统各个模块在移植过程中的定点化和程序优化方案。参考模式库生成模块,这里包括了词典编辑、自动标注和参考模学单元模型的动态拼接而成的,即动态拼接生成词模型的过程。考虑到诖婵占溆邢蓿疚牟扇》指钌P停殖闪礁霾糠郑个载入的方式将声学模型调入—气小6陨Уピ2捎米刺湍北京邮电人学硕士论文基于动态词表的孤赢硎语音识别系统的迪
占用空间很大,如何存储这部分数据,程序最后采用了向囊个固定地址空间写入数值的办法解决了这个问题。语音信号处理和识别模块,语音信号处理包括了端点检测、特征提取等关键处理过程,识别过程是语音信号的特征向量和参考模式做相似性度量的过程。最后,本文还介绍了实现系统的过程中遇到的问题及解决方案,并对今后的工作提出了展望。关键词:语音识别隐马尔可夫模型说慵觳北京邮电人学硕士论文基于动态词表的孤立刊语音识别系统的迪Ⅱ
瑚面珊,瓵觘锄礽ぁ辪鱅竔卸加酌骾,叩謉鴚譼騦頴,琤佗甜甌陀,.一、琣—甌鹓:,,
锄己吣口篢簍辪,卸觗.,.痑甌乙气琧∞￡￡..’’℃.’鵰間鼯篠北京邮也人学硕B畚摹于动态诃表的孤妒诃语青识别系统的迪
第一章绪论时间归整算法枷语音识别研究历史和现状鑕引言利,而各种高新基础技术的发展也带动了服务质量的提高,为人们提供更方便、容训练的传统方式,使应用更方便、更人性化。个英文数字的识别,识别率达到%。年瓺等研制成功第一个计算机语音识别系统,同年瓼岢隽擞镆舨纳础!B瞬ㄆ髂P停杂镆随着信息技术飞跃发展,人们越来越多地感受到信息、网络技术所带来的便更优质、更人性化的服务,成了科学技术发展的最根本的动力。社会需求不断地激励着探索者,给他们带来了止不尽的灵感。本文以快速、准确和便利使用为目标,提供一种非特定内容、非特定人的孤立词识别系统的硬件解决方案,即基于动态词表的孤立词语音识别低场在语音识别系统中,通常计算量最大、数据准备最多的是训练,例如每增加一个新的类,就要采集足够多的样本来训练这个类。所以训练一般是在系统开发时完成。这就要求系统交到用户之前,开发者要对用户的需求考虑非常周到,才能延长系统的有效寿命。但是对特定内容的孤立词识别系统来说,事先训练好所有可能用到的词模型是不太现实。所以必须要寻求更可行的方案来解决这样的问题。本研究以开发。基于动态词表的孤立词语音识别系统的Ⅸ弹实现”为目标,对基于动态词表的孤立词语音识别模块进行系难芯亢涂7ⅲ蛊渚哂醒练步骤简化、增加识别内容方便,具有较高的孤立词识别率等特点,改变逐个内语音识别的历史可以追溯到世纪年代。年√&实验室的瓺等人利用带通滤波器进行语音频谱的分析和匹配,并成功用于对识别工作起到了巨大的推动作用。世纪年代末、年代初线性预测疘际鹾投珼怀晒σ氲接镆粜藕糯碇校有效地解决了语音的特征提取和不定长匹配的动态时间对准问题。此时期的研究
删模型的研究使大词汇量连续语音识别系统的开发成为可能。年,美语音识别技术的应用领域及前景以孤立字语音识别为主。别,用于连接词识别的分层构筑技术玫椒⒄埂A硪桓鲋匾5发展是语音识别算法从模式匹配技术发展到基于统计模型的技术。其间,美国敬笱У腏。瓸等人将隐马尔可夫模型柚疕删方法实现了龃实姆翘囟ㄈ肆续语音识别系统,其后,连续语音识别技术获得长足的发展。近年来,人工神经网络随着多媒体时代的来临,迫切要求语音识别系统从实验室走向实用。许多发音识别系统的实用化开发研究投以巨资。超过了几十个:如清华大学、中科院自动化所、声学所、哈尔滨工业大学、北京邮电大学等。它们结合汉语语音学和语言