基于DHMM非特定人孤立詞語(yǔ)音識(shí)別及硬件設(shè)計(jì)研究.pdf

1、隨著信息技術(shù)的發(fā)展，語(yǔ)音識(shí)別技術(shù)得到廣泛應(yīng)用。小詞匯量非特定人孤立詞語(yǔ)音識(shí)別是語(yǔ)音識(shí)別系統(tǒng)的重要分支，在智能玩具、車載系統(tǒng)、家電遙控等領(lǐng)域有著廣泛的應(yīng)用。當(dāng)前的語(yǔ)音識(shí)別芯片的性能大多速度慢、成本高、識(shí)別率不太理想。獲取高速、低成本的非特定人孤立詞語(yǔ)音識(shí)別方法，已成為語(yǔ)音識(shí)別領(lǐng)域的一個(gè)重要的研究課題。 本文在系統(tǒng)地分析國(guó)內(nèi)外語(yǔ)音識(shí)別現(xiàn)狀、語(yǔ)音識(shí)別算法和流程的基礎(chǔ)上，采集并建立小詞匯量的語(yǔ)音庫(kù)。語(yǔ)音庫(kù)包括45個(gè)詞語(yǔ)，共計(jì)1410個(gè)語(yǔ)

2、音。以此為基礎(chǔ)，本文改進(jìn)端點(diǎn)檢測(cè)算法，采用基于短時(shí)能頻值參數(shù)的雙門(mén)限、有效語(yǔ)音長(zhǎng)度參數(shù)輔助判決的算法，提高了端點(diǎn)判決的準(zhǔn)確性，仿真結(jié)果表明端點(diǎn)檢測(cè)率達(dá)到98.6％，明顯優(yōu)于基于短時(shí)平均幅度值結(jié)合短時(shí)過(guò)零率參數(shù)的雙門(mén)限端點(diǎn)檢測(cè)算法。采用MFCC和一階MFCC差分參數(shù)來(lái)提取特征參數(shù)，更好地反映了語(yǔ)音的靜態(tài)和動(dòng)態(tài)特性，使特征矢量更具有代表性，優(yōu)于LPCC參數(shù)提取的特征矢量。采用擾動(dòng)分裂法生成矢量量化的初始碼本，并對(duì)可能出現(xiàn)的空腔做了修正。用定