共查询到10条相似文献,搜索用时 63 毫秒
1.
2.
本文对语音识别研究作了评述,包括语音识别的基本原理,语音识别的历史回顾,语音识别的国内进展,语音识别的主要方法,语音识别的开发应用和语音识别的问题及展望。 相似文献
3.
1前言
语音识别代表性的方法有矢量量化法(VQ)和隐马尔可夫模型法(HMM).VQ法是由Shore和Burton首先提出[1],其主要优点是无需时间规正或进行动态时间伸缩.但是,该方法对于由话者差别引起的语音特征的变化却无能为力.HMM方法则适合于非特定人语音识别系统,因为它作为统计模型能够吸收由不同说话人引起的语音特征的变化[2].本文以语音信号的LPC倒谱系数和差值倒谱系数的混合特征参数作为识别的特征矢量集,比较了利用矢量量化(VQ)和各态经历隐马尔可夫模型(HMM)[3]技术实现的孤立字词语音识别系统的性能.结论是各态经历HMM的识别性能好于VQ的识别性能. 相似文献
4.
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隐马尔可夫(HMM)算法对语音信号进行特征参数序列比较并识别出结果。语音识别子系统由ARM和DSP芯片为核心,配合其他功能电路,能够独立完成语音识别的工作. 相似文献
5.
1.引言
盲信道估计在语音信号的分离及识别中有重要的作用.语音处理包括语音识别、语音编解码、混叠语音的分离等许多领域,而混叠语音分离是语音处理中很重要的一部分,在语音识别,语音信号增强等多方面都有其积极意义.目前,国内外在这方面的研究工作大体上集中在盲信号处理及声场景分析两方面.就盲信号分离方法而言,已提出了多种算法,可实现从混合语音信号中分离出多个源信号.本文将会介绍一种基于二阶统计量的线性预测盲信道辨识方法,并着重研究其用于多输入多输出(MIMO)信道估计的过程. 相似文献
6.
7.
8.
9.
徐立城 《中国新技术新产品》2018,(16)
语音识别技术飞速发展,在现实生活中扮演着越来越重要的角色,语音识别简单来说是让计算机理解人的语音,它有两大研究领域:语种识别和说话人识别。本文围绕语种识别展开,语种识别(Language Identification,LID),是指计算机通过理解和识别过程判定输入语音的语种。本论文并通过两个不同类型的实验,来研究语种识别问题,例如Langid工具包的使用。语种识别,在多语音语言识别系统中扮演着重要的角色,在语言翻译、手写体文字识别、键盘输入、信息发现和挖掘系统等研究领域都有应用,其发展非常迅速。 相似文献
10.
采用语音识别进行人机交互是人类进行信息交换的一种最有效的方式。本文首先介绍了语音识别技术的原理,并采用AVR单片机和LD3320语音识别芯片设计了一种玩具娃娃语音识别系统。该系统所用器件少,语音资源可刷新,具有很大的灵活性和扩展性。 相似文献