基于HMM的嵌入式非特定人連續(xù)英語語音識別的研究與實現(xiàn).pdf

1、語音信號是人類交流傳遞信息的主要途徑，讓機器聽懂人類的語言是人類的夢想。語音識別就是一門讓機器通過讀入語音信號并將其轉(zhuǎn)換為文本或命令的技術(shù)。經(jīng)過多年的發(fā)展，語音識別已經(jīng)有了長足的發(fā)展，并顯示出巨大的應(yīng)用潛能。
　　 語音識別的模板匹配方法有：動態(tài)時間規(guī)整算法(DTW)、隱馬爾可夫模型(HMM)和人工神經(jīng)網(wǎng)絡(luò)。DTW算法適合小詞匯量的特定人孤立字詞識別，在進(jìn)行非特定人識別時的性能不太令人滿意，且識別過程運算量較大；HMM則適合較大

2、詞匯量的非特定人連續(xù)語音識別；而人工神經(jīng)網(wǎng)絡(luò)則太過復(fù)雜。由于本文是中等詞匯量的連續(xù)語音識別，所以采用HMM模板匹配方法。
　　 嵌入式語音識別的應(yīng)用受到日益廣泛的關(guān)注，它的應(yīng)用形式和應(yīng)用領(lǐng)域不斷的擴展。嵌入式技術(shù)的蓬勃發(fā)展為嵌入式語音識別應(yīng)用帶來了廣大的市場需求，所以基于嵌入式的語音識別研究更有價值。本文對語音識別系統(tǒng)的相關(guān)理論進(jìn)行了介紹，主要有語音預(yù)處理、端點檢測、特征參數(shù)提取、模板匹配等。具體研究了MFCC特征參數(shù)提取的相關(guān)