車載環(huán)境下的語音識別系統(tǒng)研究.pdf

1、經(jīng)濟的繁榮促使汽車以前所未有的速度進入到人們的生活,為了滿足人們對汽車智能化和安全性的追求,汽車行業(yè)正在向高智能化發(fā)展,而該智能化離不開語音技術(shù)的支持。近年來,Siri、谷歌眼鏡等語音識別應(yīng)用也說明語音技術(shù)已經(jīng)走向產(chǎn)品化。本文應(yīng)用動態(tài)時間規(guī)整(DTW)孤立詞語音識別方法,實現(xiàn)了一個車載環(huán)境下的語音識別系統(tǒng)。
　　本文首先介紹了國內(nèi)外車載語音識別的發(fā)展現(xiàn)狀,然后詳細描述了語音識別的三個關(guān)鍵技術(shù),根據(jù)車載環(huán)境下語音識別系統(tǒng)的特點,通過

2、實驗仿真及分析,選擇最適于該環(huán)境下的識別算法。預(yù)處理模塊,采用漢明窗對信號進行分幀,同時針對傳統(tǒng)雙門限法易受外界噪聲干擾、魯棒性差的特點,提出了一種自適應(yīng)樣本熵法,并通過實驗證明了該算法在低信噪比下能有效進行端點檢測且檢測效果較好。特征參數(shù)模塊,比較了兩種常用特征參數(shù)LPCC、MFCC,針對MFCC運算量較大對其計算過程進行了改進,并對LPCC、MFCC和改進的 MFCC參數(shù)性能進行了比較;同時提出了一種基于MFCC與LPCC的混合特征

3、參數(shù),經(jīng)過主成分分析進行降維去冗余,且通過實驗證明了該融合參數(shù)對系統(tǒng)識別率有益。模式匹配模塊,通過對DTW和VQ模型進行多方面的實驗仿真分析,驗證了改進的DTW算法更適于車載環(huán)境的應(yīng)用。
　　最后,應(yīng)用 MATLAB軟件對系統(tǒng)進行了整體仿真,證明了本課題所選算法的可行性。在不同信噪比下對算法進行測試,獲得了良好的識別效果,達到了系統(tǒng)設(shè)計要求。隨后在總結(jié)全文工作的基礎(chǔ)上,本文對課題目前存在的問題進行了分析,并為進一步研究指明了方向。