基于HMM的語音分組識(shí)別系統(tǒng)的研究.pdf

1、語音識(shí)別技術(shù)，也被稱為自動(dòng)語音識(shí)別(Automatic Speech Recognition，ASR)，其目標(biāo)是將人類語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入。近年來，由于電子信息和計(jì)算機(jī)互聯(lián)網(wǎng)的迅猛發(fā)展，使得語音識(shí)別技術(shù)也取得了階段性進(jìn)展。隨著嵌入式產(chǎn)品功能的日益強(qiáng)大，基于嵌入式設(shè)備的語音識(shí)別技術(shù)成為當(dāng)前的一個(gè)研究和應(yīng)用熱點(diǎn)。一個(gè)能識(shí)別較大詞匯量、具有較好實(shí)時(shí)性、系統(tǒng)資源要求低和識(shí)別率高的語音系統(tǒng)，具有很高的實(shí)用價(jià)值和巨大的市場(chǎng)潛力。<

2、br>　　 論文首先對(duì)語音識(shí)別技術(shù)的歷史背景和國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了介紹，然后對(duì)語音識(shí)別過程中的各個(gè)環(huán)節(jié)進(jìn)行理論研究和分析。在預(yù)處理過程中，對(duì)預(yù)加重、分幀、加窗、短時(shí)能量和過零率相結(jié)合的端點(diǎn)檢測(cè)進(jìn)行分析;在特征提取過程中，闡述LPC參數(shù)、LPCC參數(shù)和MFCC參數(shù)各自的實(shí)現(xiàn)原理以及MFCC參數(shù)相對(duì)于LPCC參數(shù)和LPC參數(shù)的優(yōu)勢(shì)，解釋選擇MFCC參數(shù)的原因;在識(shí)別過程中，介紹了幾種常用的識(shí)別算法，并著重分析了隱馬爾可夫模型(HMM)的結(jié)

3、構(gòu)和原理。針對(duì)孤立詞、非特定人和大詞匯量語音識(shí)別過程中，識(shí)別時(shí)間過長(zhǎng)，計(jì)算量過大，內(nèi)存占用過多，對(duì)系統(tǒng)硬件資源要求過高的缺點(diǎn)，提出改進(jìn)的語音分組識(shí)別算法。首先，對(duì)MFCC參數(shù)采用分段均值降維方法，巧妙地避免了不同語音長(zhǎng)度（幀數(shù)）的時(shí)間規(guī)整問題，從而確保分組具有較高穩(wěn)定性。接著，為了消除K均值聚類分組時(shí)初值選擇隨機(jī)性對(duì)分組穩(wěn)定性的影響，以及語音模板過多導(dǎo)致模板之間區(qū)分度下降而對(duì)分組造成困難，提出經(jīng)驗(yàn)調(diào)整算法，進(jìn)一步增加分組穩(wěn)定性。然后，為

4、了使分組的穩(wěn)定性有理論保證，結(jié)合數(shù)理統(tǒng)計(jì)相關(guān)知識(shí)，提出置信度檢驗(yàn)算法，從數(shù)學(xué)上證明分組穩(wěn)定。最后，針對(duì)不同的分組情況，識(shí)別率和識(shí)別時(shí)間各不相同，提出最大值決策法確定哪種分組為最佳分組，從而最大限度地滿足用戶對(duì)識(shí)別率和識(shí)別時(shí)間的雙要求。
　　 為了檢驗(yàn)該方法的效果，在PC機(jī)的Matlab平臺(tái)上進(jìn)行測(cè)試。通過與傳統(tǒng)HMM算法以及傳統(tǒng)分組算法進(jìn)行比較，對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分析。結(jié)果表明:改進(jìn)的語音分組識(shí)別系統(tǒng)分組穩(wěn)定性很高，識(shí)別時(shí)間明顯減少