面向移動(dòng)GIS的語(yǔ)音識(shí)別技術(shù)研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)通信技術(shù)和多媒體技術(shù)的飛速發(fā)展，新型的人機(jī)交互(Human Computer Interaction，HCI)技術(shù)已成為當(dāng)前計(jì)算機(jī)科學(xué)領(lǐng)域一個(gè)十分活躍的研究課題。針對(duì)移動(dòng)地理信息系統(tǒng)(mobile GIS)終端設(shè)備普遍存在的諸如有限的屏幕空間、輸入方式和內(nèi)存等不足，以及在移動(dòng)過程常常出現(xiàn)的“手忙”和“眼忙”等問題，采用語(yǔ)音方式已被業(yè)內(nèi)普遍視為一種主要的解決方案而得到高度的重視。語(yǔ)音識(shí)別研究對(duì)于增強(qiáng)計(jì)算機(jī)的智能化和人性化，開

2、發(fā)新型人機(jī)環(huán)境，以及推動(dòng)生理學(xué)、聲學(xué)、語(yǔ)言學(xué)等學(xué)科的發(fā)展，有著重要的現(xiàn)實(shí)意義，并將產(chǎn)生很大經(jīng)濟(jì)效益和社會(huì)效益。
　　 語(yǔ)音識(shí)別是機(jī)器通過理解和識(shí)別過程把人類的語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。其根本目的是研究出一種具有聽覺功能的機(jī)器，這種機(jī)器能直接接受人的語(yǔ)音，理解人的意圖，并做出相應(yīng)的反應(yīng)。在語(yǔ)音識(shí)別領(lǐng)域中，特征提取的好壞直接影響到識(shí)別的結(jié)果。因此選用合適的語(yǔ)音特征參數(shù)就顯得尤為重要了。
　　 研究人員普遍認(rèn)為在語(yǔ)

3、音識(shí)別領(lǐng)域中，人耳聽覺模型對(duì)低頻聲音敏感，而對(duì)中高頻聲音不敏感。本文從頻譜信息表示的觀點(diǎn)出發(fā)，以符合人耳聽覺模型的梅爾倒譜系數(shù)(MFCC)為基礎(chǔ)，根據(jù)不同頻率段的頻譜特征，設(shè)計(jì)了新型的混合MFCC算法。又由于LPCC參數(shù)能很好的體現(xiàn)人的聲道特性，而MFCC參數(shù)能很好的模擬人耳的聽覺效應(yīng)，可以將兩者參數(shù)的融合起來，可以起到很好的識(shí)別效果。實(shí)驗(yàn)結(jié)果表明，改進(jìn)之后的算法能夠達(dá)到令人滿意的識(shí)別性能。
　　 本文還針對(duì)現(xiàn)有的漢語(yǔ)語(yǔ)音ASR