基于語音的機器人控制應(yīng)用研究.pdf

1、自從工業(yè)機器人投入應(yīng)用以來，它已經(jīng)在社會生產(chǎn)制造等許多領(lǐng)域中發(fā)揮了巨大的作用。目前，各種娛樂、示教、服務(wù)類型的機器人正在走進我們的日常生活，它們也將為我們的生活帶來很多的方便和樂趣。語音一直是我們?nèi)粘Ｉ钭顟T常自然的信息交流方式，實現(xiàn)人機間的語音通信就顯得必不可少，進行語音控制的研究工作具有很強的現(xiàn)實意義和應(yīng)用前景。
　　 論文的主要工作是從特定人和非特定人兩個方面對機器人語音控制問題進行研究。在特定人的語音識別技術(shù)方面，對經(jīng)典

2、的特定人的語音識別技術(shù)(即動態(tài)時間規(guī)整的語音識別技術(shù)，Dynamic Time Warping，簡稱DTW)進行了深入研究，針對兩個方面的問題：1、傳統(tǒng)DTW算法在語音識別過程中涉及到大量的計算會影響系統(tǒng)的響應(yīng)速度;2、由于端點檢測方法不能十分精準(zhǔn)的判斷語音信號的起始點，如果DTW嚴格對齊端點來匹配則會產(chǎn)生一定的識別誤差。對此文章提出了結(jié)合搜索寬度限制和放松端點限制的方法對傳統(tǒng)DTW算法進行改進，并通過實驗驗證了改進后的DTW在識別速度

3、和識別率上都有很大的提高。
　　 其次，在非特定人語音識別技術(shù)方面，文章研究了現(xiàn)行最流行基于隱馬爾可夫模型的非特定人語音識別技術(shù)。深入分析了算法的產(chǎn)生基礎(chǔ)、思想、算法的三個基本問題及相應(yīng)的解決方法。其中語音訓(xùn)練過程產(chǎn)生的語音模型很大程度上決定了系統(tǒng)的識別性能，因此文章結(jié)合了平滑模型參數(shù)技術(shù)和模型參數(shù)重估計方法對語音的模型參數(shù)進行了優(yōu)化改進。實驗結(jié)果表明對模型參數(shù)優(yōu)化改進后能取得更好的語音識別效果。
　　 最后文章說明了機