嵌入式语音识别系统性能分析

语音识别技术在嵌入式系统上的应用是当前的热点和难点。本文在三种不同的嵌入式系统上建立了基于HMM的非特定人大词汇表连续语音识别的实验平台,对语音识别的实时性能进行了测试分析,讨论了非特定人连续语音识别系统在不同嵌入式平台上的可行性。     

基于DSP的非特定人语音识别系统

本文介绍了一种基于TMS320C6711 DSP的非特定人、孤立词语音识别系统。本文首先介绍了语音识别技术的基本原理,然后对不同的识别算法在多种嵌入式系统平台上进行性能分析和比较,可得到本语音识别系统具有较高的识别率、实时性和鲁棒性。     

嵌入式小词汇量语音识别系统

介绍了一种基于嵌入式微处理器的小词汇量语音识别子系统的具体实现,包括软、硬件环境以及在嵌入式语音识别环境下采取的特殊策略。基于嵌入式微处理器的系统能够实现较复杂的控制,并且具有较好的可扩展性。     

嵌入式语音识别技术

在分析语音识别原理的基础上,结合凌阳16位单片机的分析,重点介绍了凌阳u,nSP系列SPCE061A芯片在开发嵌入式语音识别技术中的应用。     

嵌入式语音识别技术

在分析语音识别原理的基础上,结合凌阳16位单片机的分析,重点介绍了凌阳u,nSP系列SPCE061A芯片在开发嵌入式语音识别技术中的应用.     

语音识别开发工具包SRDK的研究与开发

详细介绍了一个语音识别开发工具包SRDK(SpeechRecognitionDevelopmentkits)。该工具包可以方便地完成语音识别的各种任务,并且可以用来对语音识别技术进行研究。SRDK的特点是:ANSIC编写,便于向嵌入式系统进行移植;模块化良好,可以任意拆分组合;内置状态捆绑、训练中的剪枝、段长后处理、SSE(StreamingSingle-InstructionMultiple-DataExtensions)指令集的使用等多种先进技术等。已经使用SRDK开发出实用的语音识别系统。     

基于ARM的智能机器人语音控制应用研究

智能机器人作为机器人的研究热点,为机器人的交互提供一种方便有效的接口很重要。语音交互是一种最熟悉最自然的交互方式。在我们的个人计算机上具有丰富的软硬件资源易于语音识别技术的实现,但这也会限制了机器人的应用场合。而基于ARM的嵌入式语音识别系统可以嵌入到机器人对象内部,更适合机器人的应用需求。本文详细介绍了语音识别技术的原理,嵌入式语音识别技术的实现,机器人的语音控制技术,实验结果表明采用该方法实现机器人的语音控制可以达到方便,有效的控制效果。     

基于硬件加速模块的嵌入式语音识别系统解决方案

在基于 CHMM 模型的语音识别原理的基础上,设计了一个以 MCU 和自行设计的语音识别加速模块(ASIC 模块)为核心的低成本、高性能的嵌入式语音识别系统。该系统配合外围电路,能够独立完成语音识别工作,并且有大幅度的性能提升,从而使嵌入式语音识别更加方便简洁。以 ARM7作为系统的控制内核,语音识别加速模块负责完成隐含马尔可夫模型识别算法中运算量最大的 Ma-halanobis 距离运算部分。该系统具有低成本、高性能、高通用性、可裁剪性强等特点。     

一种新型的嵌入式语音识别机器人系统

本文探讨和研究了一种新型的基于嵌入式系统以及DSP的语音识别工业机器人系统。系统采用嵌入式 DSP的方案使机器人的性能、成本、可配置性和可扩展性达到一个更佳的平衡点,同时在语音识别方面采用了改进的MFCC方法进行语音特征提取以及采用基于K均值分段的HMM模型进行实时语音学习与识别使算法的实时性和可移植性提高。     

基于嵌入式Linux语音识别系统的设计

该设计运用三星公司的S3C2440,结合ICRoute公司的高性能语音识别芯片LD3320,进行了语音识别系统的硬件和软件设计。在嵌入式Linux操作系统下,运用多进程机制完成了对语音识别芯片、超声波测距和云台的控制,并将语音识别技术应用于多角度超声波测距系统中。通过测试,系统可以通过识别语音指令控制测量方向,无需手动干预,最后将测量结果通过语音播放出来。     

嵌入式语音识别的前后端处理关键技术研究

在语音识别技术的研究中,语音端点检测和拒识是语音前后端处理的关键技术。在噪声环境下,传统的过零率和短时能量的端点检测效果会变得很差;频域的端点检测方法虽然较时域的端点检测方法鲁棒性更高,但是它需要进行大量的计算不能很好地满足嵌入式系统。针对嵌入式系统的特点,为提高语音识别能力,提出了基于统计理论的孤立词的端点检测算法,在一个相对较长的时间段内语音信号服从正态分布,而噪音信号主要存在于信号均值的一定方差范围之内。方法既满足了嵌入式系统的计算要求,又有一定鲁棒性。     

基于嵌入式与DSP的语音识别机器人研究

本文探讨和研究了基于嵌入式系统以及DSP的语音识别工业机器人系统设计与实现.系统采用嵌入式+DSP的方案使机器人的性能、成本、可配置性和可扩展性达到一个更佳的平衡点,同时在语音识别方面采用了改进的MFCC方法进行语音特征提取以及采用基于K均值分段的HMM模型进行实时语音学习与识别使算法的实时性和可移植性提高.     

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ARM9嵌入式系统的掌纹识别系统的实现

掌纹识别技术是一种新兴的生物识别技术,是近年来生物识别研究的热点。介绍了一种掌纹识别算法在ARM9嵌入式系统上的实现方案。介绍了系统的各部分组成,包括基于排序测度的掌纹识别算法、嵌入式系统的软件设计和硬件设计。针对算法在嵌入式系统上实现的困难,提出了提高算法速度的解决方案。     

嵌入式语音识别智能车系统的研究

本文介绍了关于嵌入式语音识别智能车系统的研究,语音智能不言而喻是通过声音来控制车的方向和速度等等。基于语音识别芯片LD3320设计并制作一款特定的语音控制智能车。智能车以52单机片为控制器,由串口接受LD3320的语音识别代码,由ULN2003控制步进电机的转速和转向。在车、残障人轮椅、智能玩具等领域有潜在的应用前景。     

基于ARM9嵌入式系统的掌纹识别系统的实现

掌纹识别技术是一种新兴的生物识别技术,是近年来生物识别研究的热点.介绍了一种掌纹识别算法在ARM9嵌入式系统上的实现方案.介绍了系统的各部分组成,包括基于排序测度的掌纹识别算法、嵌入式系统的软件设计和硬件设计.针对算法在嵌入式系统上实现的困难,提出了提高算法速度的解决方案.     

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。     

嵌入式系统中语音识别加速技术的研究

针对嵌入式系统语音识别执行速度太慢的问题,对梅尔频率倒谱参数和隐马尔可夫模型各步骤作详细研究,提出了在嵌入式系统中进行整数运算和查表算法,实现语音识别加速的方法.加速前后执行速度对比实验显示,在特征提取部分,加速约有20倍.     

移动互联时代的语音识别技术

语音识别是新一代人机界面中最重要的技术之一。上一世纪最后十年,由于语音识别技术的快速发展,人们对此寄托了无限的期望和遐想。然而,至少到目前为止,从听写机到电话语音识别,语音识别的应用尚欠火候。是技术上不可逾越的障碍,还是应用不合时宜、时机?这一切将随着移动无线互联网以及新一代移动通讯的发展而产生变化。 中国科学院自动化研究所研究员、博士生导师、国家模式识别实验室副主任徐波老师将从现有语音技术、产品出发,讨论该技术未来几年在嵌入式系统、无线互联网以及语音翻译中的应用以及对信息产业可能产生的深刻影响。     

基于ARM的嵌入式语音识别系统研究

在分析语音识别原理的基础上,设计了一个基于ARM9和嵌入式Linux的嵌入式语音识别系统。采用动态时间归整(DTW)算法对语音信号进行特征参数序列比较并识别出结果。采用S3C2410微处理器和嵌入式Linux操作系统,将交叉编译后的语音识别C语言程序编译进嵌入式Linux操作系统的文件系统,实现语音识别系统的功能。