孤立詞語音識別算法研究及DSP實現(xiàn).pdf

1、語音識別是語言鏈中的一環(huán),它研究使機器能準確地聽出人的語音內(nèi)容的問題。語音識別的最終目的是使計算機能夠聽懂任何人、任何內(nèi)容的講話。在實際應(yīng)用中,環(huán)境噪聲的存在會對識別結(jié)果產(chǎn)生很大影響,因此,有必要對噪聲環(huán)境下的語音識別進行研究。本論文在分析語音識別的基本理論和算法原理的基礎(chǔ)上,對特征提取及模板訓練階段的算法進行了較為深入的研究,提出了相應(yīng)的改進算法,理論分析及仿真實驗結(jié)果均表明,改進后的算法有效提高了識別率。
　　 本文所作的主

2、要工作如下:
　　 (1)介紹了語音識別技術(shù)的基本概念,對語音識別技術(shù)的研究現(xiàn)狀進行了較為全面的綜述,分析了語音識別系統(tǒng)及語音識別面臨的難點。
　　 (2)系統(tǒng)的分析了語音信號的產(chǎn)生機理,研究了信號的預加重、加窗及端點檢測,并對各步所用算法進行了MATLAB仿真。
　　 (3)對線性預測倒譜系數(shù)和梅爾頻率倒譜系數(shù)兩種特征提取算法進行研究,并針對梅爾頻率倒譜系數(shù)在噪聲環(huán)境中的不足,以提高算法的抗噪性能為目標,加入了

3、一個比重系數(shù),用于衡量各個頻帶分量在整體計算中的重要性,由于考慮到了各頻帶受噪聲影響的情況,改進算法在噪聲環(huán)境下能取得更好的效果。
　　 (4)提出了基于平均路徑長度的模板訓練方法,即采用少量樣本,通過計算平均路徑長度得到參考模板。該算法與使用單個樣本訓練的算法相比,提高了識別率及魯棒性,同時相對于需要使用大量樣本的矢量量化(VQ)技術(shù),只需較少的訓練樣本,降低了算法的復雜度。
　　 考慮到噪聲影響,研究分析了一種改進的