小詞匯量非特定人語音識別系統(tǒng)的研究.pdf

1、語音識別是指使計算機(jī)能夠“聽懂”人類的語言，并且理解語言的內(nèi)容執(zhí)行特定的命令或任務(wù)。作為人機(jī)交互技術(shù)的基礎(chǔ)，其最終目的是實現(xiàn)人與機(jī)器的自然交流。語音識別應(yīng)用的領(lǐng)域非常廣泛，其中，非特定人、小詞匯量語音識別系統(tǒng)是語音識別應(yīng)用領(lǐng)域中的一個重要分支。
　　 本文主要針對非特定人、小詞匯量的語音識別識別系統(tǒng)進(jìn)行了深入研究，并在此基礎(chǔ)上編寫非特定人小詞匯量語音識別軟件，主要工作如下：
　　 (1)通過分析傳統(tǒng)端點檢測算法的缺點提出

2、了一種改進(jìn)型端點檢測算法--自適應(yīng)雙門限語音端點檢測算法，仿真表明該算法具有更好的性能；分析語音識別中三種不同的特征參數(shù)：線性預(yù)測倒譜系數(shù)(LPCC)和美爾頻率倒譜系數(shù)(MFCC)以及功率歸一化倒譜系數(shù)(PNCC)。
　　 (2)介紹了目前三種主流的語音識別算法：動態(tài)時間規(guī)整(DTW)、隱馬爾科夫模型(HMM)和支持向量機(jī)(SVM)，分析了它們的原理、特點及實現(xiàn)過程，以及目前主流語音識別算法的局限性和不足。使用DTW算法和HMM

3、算法，構(gòu)建了兩個小型語音識別系統(tǒng)，通過實驗分析了如何選取HMM模型的參數(shù)并比較了DTW算法和HMM算法的適用范圍。
　　 (3)分析了基于統(tǒng)計學(xué)習(xí)理論的語音識別算法--支持向量機(jī)算法，對該算法的基本原理以及使用該算法實現(xiàn)語音識別的流程進(jìn)行了介紹，對支持向量機(jī)(SVM)的不同核函數(shù)進(jìn)行分析，選用了RBF核函數(shù)，并實驗分析了核函數(shù)參數(shù)及懲罰因子對語音識別的影響。
　　 (4)對于如何選取核函數(shù)參數(shù)及懲罰因子，傳統(tǒng)的方法都是通

4、過反復(fù)實驗比對以及根據(jù)人為經(jīng)驗選擇，此方法并不科學(xué)，由于對識別效果影響重大，因此本文進(jìn)行了初步的研究，提出使用粒子群算法優(yōu)化支持向量機(jī)參數(shù)算法，即PSO-SVM算法。使用MATLAB的GUIDE，用GUI的形式實現(xiàn)了基于PSO-SVM的語音識別系統(tǒng)，通過實驗驗證了該算法的有效性，在系統(tǒng)樣本有限的情況下，該系統(tǒng)比HMM算法和未使用優(yōu)化算法的SVM算法語音識別率要有所提高。
　　 (5)考慮到硬件條件和算法特點，選取DTW算法作為硬