自动语音识别技术评述

本文对语音识识别研究作了评述,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。     

自动误音识别技术评述

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。     

基于VQ和HMM的语音识别系统的性能比较

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.     

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．     

基于MIMO的盲信道语音分离技术

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.     

利用语音的频谱空间特征进行汉语抗噪语音识别的方法

抗噪连续语音识别是当前汉语连续语音识别的重要研究领域。采用通过度量连续语音帧之间频谱的稳定性,将连续语音切分成份,再将切分结果(无论时间长短)变换为与时间无关的大小固定的频谱空间特征,通过与模板库进行比较实现语音识别。新的频谱空间特征,与语音时长无关,同时表现出较好的抗噪声能力。在特定人连续语音识别测试系统中,取得了不错的识别效果。     

基于连续状态HMM的汉语语音识别方法

1引言 现在隐马尔可夫模型(HMM)已成为语音信号处理的重要方法被广泛地应用到语音识别等领域[1,2].然而由于传统的HMM在每个状态处理的各帧语音信号都与前后的时间顺序无关,所以影响了HMM描述语音信号时间相关等动态特性的能力,降低了语音识别的性能[3].针对这个问题,本文提出了连续状态HMM的设想.     

基于语音识别技术的移动机器人控制系统研发

语音识别技术目前已经广泛应用在移动机器人设备中,对移动机器人的控制性能产生了重要的支持作用。为了进一步分析语音识别技术在开发移动机器人控制系统功能方面的优势。本研究设计了基于语音识别技术的移动机器人控制系统,解析了系统功能与硬件配置的相关数据,分析了移动机器人控制系统语音识别控制模块的设计思路,诠释了语音识别流程及其框架结构的稳定性。以便为相关研究提供理论参考,支持移动机器人控制系统对语音识别技术的阶段性开发,完善其主体性能与控制效果。     

基于Langid的语种识别研究

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。     

玩具娃娃语音识别系统

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。