基于HMM的語音識(shí)別算法研究及FPGA上的硬件實(shí)現(xiàn).pdf

1、隨著信息科學(xué)和語音技術(shù)的發(fā)展,用語音和計(jì)算機(jī)交流已成為現(xiàn)代科學(xué)技術(shù)發(fā)展的一個(gè)標(biāo)志,語音識(shí)別也因此成為現(xiàn)代信息科學(xué)迫切需要發(fā)展的一個(gè)方向。語音識(shí)別關(guān)系到多學(xué)科研究領(lǐng)域；不同領(lǐng)域上的研究成果都對(duì)語音識(shí)別技術(shù)的發(fā)展作出了積極的貢獻(xiàn)。目前主流的語音識(shí)別技術(shù)是基于統(tǒng)計(jì)概率模型識(shí)別的基本理論。本文以最終實(shí)現(xiàn)一個(gè)基于隱馬爾可夫模型(Hidden Markov Model,簡(jiǎn)稱HMM)的非特定人孤立詞語音識(shí)別系統(tǒng)為目的,詳細(xì)介紹了語音識(shí)別技術(shù)的基本概念

2、、孤立詞語音識(shí)別的一般方法和特點(diǎn)；著重探討了語音特征矢量獲取、HMM模型關(guān)鍵問題及解決算法；最后以Xilinx公司Virtex-II Pro現(xiàn)場(chǎng)可編程邏輯陣列(FPGA)為實(shí)驗(yàn)平臺(tái),成功實(shí)現(xiàn)了基于HMM非特定人的孤立詞語音識(shí)別算法移植和優(yōu)化。系統(tǒng)采用改進(jìn)的基于語音對(duì)數(shù)域能量變化率的實(shí)時(shí)端點(diǎn)檢測(cè)算法,僅對(duì)檢測(cè)的有聲段語音進(jìn)行特征提取和解碼,從而減少了要處理的語音幀數(shù)。本實(shí)驗(yàn)數(shù)據(jù)表明系統(tǒng)在150詞條的情況下識(shí)別率達(dá)到97.3%,識(shí)別時(shí)間為1