混合语音识别模型的设计与仿真研究

研究语音识别率问题,语音信号是一种非平稳信号,含有大量噪声信息,目前大多数识别算法线性理论,难以正确识别语音信号非线性变化过程,识别正确率低。通过将隐马尔可夫模型(HMM)和SVM相结合组成一个混合抗噪语音识别模型(HMM-SVM)。同时用HMM模型对语音信号时序进行建模,并得到待识别语音信号的输出概率,然后将输出概率作为SVM的输入进行学习,得到语音分类信息,最后通过利用HMM-SVM识别结果做出正确识别决策。仿真结果表明,HMM-SVM提高语音识别正确率,尤其在低信噪比环境下,明显改善了语音识别系统的性能。     

语音识别系统的抗噪前端处理及性能分析

对语音识别系统中信号的抗噪前端处理方法进行了研究。将线性预测（LP）分析与形态滤波结合作为语音识别的前端处理方法，并选用具有抗噪性的MFCC特征参数。将上述方法应用于基于隐马尔可夫模型（HMM）的孤立词识别系统中，结合使用NOISEX-92提供的四种噪声进行测试，结果证明系统的抗噪性得到了提高。     

基于SPCE061A的语音识别系统的设计

系统采用凌阳SPCE061A单片机作为语音识别系统的主控芯片.通过硬件电路设计和软件代码部分成功的设计并实现了一种具有语音识别功能、语音提示(语音合成)及语音回放(语音编码记录)功能的嵌入式语音识别系统.语音识别模型采用(DHMM)离散隐马尔可夫模型,利用Baum-welth重估算法、前向后向算法、viterbi算法来完成语音模板的训练和语音识别的任务.     

一种改进的DHMM语音识别算法的DSP 实现

对多种隐马尔可夫模型算法进行了分析对比,在此基础上设计了一种改进的离散隐马尔可夫模型(DHMM)算法,并将此算法成功运用到了DSP嵌入式语音识别系统中.该系统采用上述算法完成了对非特定人的孤立词语音识别.该系统以ADSP-BF531语音处理专用DSP为核心,并辅以大容量的SDRAM和ROM为扩展,具有小型、高速、可靠、鲁棒性好、扩展性强等多个优点;可应用于许多特定场合,有很好的市场前景.试验结果表明,该系统对非特定人的孤立词的综合识别率在94%以上.对该系统应用的改进的DHMM算法,硬件的实现过程以及其实际应用效果等进行了详细阐述.     

基于DSP5416芯片的语音识别系统

本文主要论述了一种小词表语音识别系统的硬、软件设计方法。系统以DSP5416为硬件平台,采用非线性美尔刻度倒谱参数(MFCC)为特征参数提取算法,动态时间规整(DTW)作为识别算法,实现了语音识别系统的设计。实验结果表明平均语音识别率不低于90%,取得良好的识别效果。     

适用于DSP实现的CDHMM口令式语音识别系统

文章给出了一种适于DSP实现的基于连续隐马尔可夫模型(CDHMM)的特定人口令式语音识别系统。在分析系统结构及CDHMM模型训练算法的基础上,讨论了该算法在DSP上实现的难点和相关技术,对降低训练算法的计算量和数据存储量进行了较深入的研究,使得采用较少的语音数据训练口令的HMM模型,也能获得较好的识别结果,为通用的口令式语音识别系统在DSP芯片上实现提供了较为重要的技术途径。     

嵌入式英语命令词语音识别算法研究

本文提出了一种基于定点DSP的嵌入式英语语音命令词识别算法,并基于TI芯片建立识别系统.系统采用基于连续隐Markov模型(Continuous Density Hidden Markov Model,CDHMM)的两阶段识别策略.通过决策树结合数据驱动的状态聚类方法.一阶段模型数目研究等方法提高识别率.最后在以TI TMS320vc5502定点DSP为核心的语音处理片上系统上实现了英语语音命令识别.当DSP工作速度为200MIPs时,实时率为0.37,存储空间消耗为49.5kbyte,对于1235词的识别效果为95.4％.     

基于DTW和HMM算法的语音识别系统对比研究

论文在语音信号分析的理论基础上,研究了基于模型补偿的识别算法,对比了语音识别最常用的两种算法:动态时间归整算法(DTW)和隐马尔可夫算法(HMM),并针对两种算法的不足进行了改进。基于改进后的算法在MATLAB环境下搭建了孤立词语音识别系统,提高了识别率,节省了运行时间。     

新型车载语音识别系统中的一种关键技术

提出一种新型车载语音识别系统,采用帧能量与帧过零率的乘积作为指标量进行语音端点检测,以MFCC作为语音信号特征矢量,基于HMM语音识别模型进行语音识别。同时提出了一种新的抗噪语音识别方法,改进型重复Wiener滤波结合PUM模型进行抗噪语音识别,较好的抑制了噪声干扰,提高了语音识别率。     

基于DSP5416芯片的语音识别系统

本文主要论述了一种小词表语音识别系统的硬、软件设计方法。系统以DSP5416为硬件平台,采用非线性美尔刻度倒谱参数（MFCC）特征参数提取算法,动态时间规整（DTW）作为识别算法,实现了语音识别系统的设计。实验结果表明平均语音识别率不低于90％,取得良好的识别效果。     

用于拟人机器人的嵌入式语音交互系统研究

本文介绍了一种用于拟人机器人的嵌入式语音交互系统．系统采用高质量的语音 采集模块及语音输出模块，以高性能数字信号处理器（DSP）TMS320VC5402为硬件核心．HMM语音识别引擎以LPC倒谱及其差分分量作为语音特征表达，改进的Baum Welch重估算法完成了多观察值序列下的语音模板训练．同时进行了语音特征不同表达形式对识别结果影响的对比实验．系统外围控制程序完成识别结果提示以及与上位机的通讯．系统在词汇量为200的非特定人、孤立词识别上取得了很好的效果．     

基于连续隐马尔柯夫模型的模式识别技术及其应用

对利用基因算法训练连续隐马尔柯夫模型的语音识别的具体算法进行系统的研究;然后基于该语音识别技术对深圳市司法局社区矫正声纹识别系统进行详细设计。该系统上线后的运行结果表明,利用基因算法训练连续隐马尔柯夫模型的语音识别算法的识别速度较快同时具有较高的识别率。基于模式识别技术的司法社区矫正声纹识别系统建设在我国司法系统目前尚处于起步阶段,推广和建设司法社区矫正声纹识别系统具有重要的现实意义。     

人工智能技术在自然语音纠错与反馈系统设计中的应用

为实现自然语音纠错,提升自然语音识别与拼读的正确率,研究人工智能技术在自然语音纠错与反馈系统设计中的应用。设计由前端学习单元与后端支撑单元组成的自然语音纠错与反馈系统,预处理采集到的自然语音片段,基于片段间距离划分因素,提取自然语音片段特征,采用隐马尔可夫模型识别自然语音,基于B2规范语料,采用动态时间归整方法纠错与评分识别到的自然语音,通过反馈模块将识别、纠错、评分结果反馈给用户。对比实验的结果表明,设计的自然语音纠错与反馈系统的语音识别率高于95%,纠错结果与实际错误一致,可提升自然语音拼读的正确率。     

基于FPGA的语音信号实时处理

介绍一种在语音识别系统中运用FPGA技术对语音信号进行前期实时处理的方法.利用DSP Builder设计信号处理算法的图形化电路模块,运用硬件环(HIL Hardware in the Loop)技术对模块进行软硬件协同仿真.满足设计要求后,再用Signal Compiler将模块转换成VHDL语言和Quartus Ⅱ工程文件下载至目标芯片.结果表明此方法可以快速灵活地设计出语音处理模块,语音数据能在要求的时间范围内处理完毕,达到了实时处理的目的.     

基于LD3320的语音控制系统设计实现

语音识别是实现语音控制的关键技术,自然语音的人机交互也是当前的研究热点和难点。该设计运用STC10L08XE单片机,结合ICILoute公司的高性能LD3320语音识别芯片,进行了语音控制系统的总体结构、主控制模块和语音识别模块的软硬件设计。完成了基于非特定人的语音识别系统的静态测试,其对于语音命令的平均识别率可达90...     

基于SPCE061A的智能轮椅语音控制系统

应用语音识别技术实现了普通轮椅运动的语音控制系统,介绍了该系统的硬件和软件设计,通过语音识别和轮椅电机的驱动模块实现了轮椅的前进、后退、左拐、右拐、停止、加速、减速运动,根据运动要求通过语音实现轮椅的变速运动。基于SPCE061A的语音控制系统结构简单,性价比高,易于功能扩展和移植。     

基于HMM和遗传神经网络的语音识别系统

本文提出了一种基于隐马尔可夫(HMM)和遗传算法优化的反向传播网络(GA-BP)的混合模型语音识别方法。该方法首先利用HMM对语音信号进行时序建模,并计算出语音对HMM的输出概率的评分,将得到的概率评分作为优化后反向传播网络的输入,得到分类识别信息,最后根据混合模型的识别算法作出识别决策。通过Matlab软件对已有的样本数据进行训练和测试。仿真结果表明,由于设计充分利用了HMM时间建模能力强和GA-BP神经网络分类能力强等特点,该混合模型比单纯的HMM具有更强的抗噪性,克服了神经网络的局部最优问题,大大提高了识别的速度,明显改善了语音识别系统的性能。     

基于DSP的语音识别在智能楼宇系统中的应用

随着DSP技术的发展,中小词汇量连续语音的实时识别已经被广泛应用到日常生活中,本文提出了一种基于TMS320VC5410的小词汇量的语音识别实时系统,对以TMS320VC5410为核心的系统硬件设计进行了研究,阐述了系统的结构。文章分析了系统的工作过程,引用已有的算法进行软件系统设计,软件模块包括预处理、端点检测、特征提取、模式匹配等。最后把此系统应用到智能楼宇系统中去,实现了对智能楼宇更加及时、方便的控制。     

嵌入式语音识别系统的研究和实现

本文首先给出了一种适合于在嵌入式平台上实现的可变命令集的非特定人语音识别系统,同传统的基于PC的非特定人语音识别系统相比,该系统具备内存消耗小,运算速度快的优点。然后给出了该语音识别系统在多种嵌入式平台上的实现和评估结果,论证了非特定人语音识别系统在嵌入式平台上实现的可行性及其对硬件的最低配置要求,在技术层次上分析了目前实现高性能语音识别SOC的主要问题和困难,并指出了今后相关的研究方向。     

FPGA和NiosII软核的语音识别系统的研究

嵌入式语音识别的应用还是比较少,主要还是通过DSP实现,而且准确率还不是太高。提出一种基于FPGA和NiosII软核处理器的嵌入式语音识别系统的设计方案。系统以EP2C35 Cyclone II芯片和NiosII处理器为基础,采用软硬件结合的设计方式,共同完成语音识别的设计。系统结合改进的端点检测方法,提取线性预测倒谱系数（LPCC）的音频信号特征,采用IP核硬件实现动态时间规整（DTW）的识别算法,能达到较高的识别准确率。