语音识别技术及应用（下）

语音识别系统分类与应用 语音识别系统可以根据对输入语音的限制加以分类。表1列出各种系统的分类比较。从表中可以看出,如果从说话者与识别系统的相关性考虑,可以将识别系统分为3类:(1)特定人语音识别系统:仅考虑对于专人的话音进行识别;(2)非特定人语音系统:识别的语音与人无关,通常要用大量不同人的语音数据库对识别系统进行学习;(3)多人的识别系统:通常能识别一组人的语音,     

简单语音识别系统的设计实现

针对现有简单语音识别系统的识别率较低、识别速度较慢的问题,在对语音识别原理研究的基础上,对DTW语音识别算法进行了改进,使得简单语音识别系统能够准确、快速的进行识别。     

基于嵌入式系统的语音口令识别系统的实现

语音口令识别是语音信息处理的一个重要研究方向,本文给出一种基于嵌入式系统的语音口令识别系统的设计方案,硬件系统的核心芯片是嵌入式微处理器,语音口令识别算法采用连续隐马尔克夫模型。实验结果表明,将语音识别系统与嵌入式系统相结合,可以使语音口令识别系统广泛应用于便携式设备中。     

汉语大词汇量连续语音识别系统研究进展

本文综述了近年来大词汇量连续语音识别技术进步和发展,描述了大词汇量连续汉语语音识别系统的设计方法.对语音识别系统中的一些关键技术和原理进行了详细地分析和讨论,并对语音识别技术进一步发展中存在的问题和近年语音识别研究发展动向进行了讨论.     

基于HMM的语音识别系统的Matlab仿真

隐马尔可夫模型(HMM)已成为语音识别中的主流技术,首先介绍了语音识别技术的原理和结构,然后介绍了HMM的三个基本问题及其解决方法,最后利用Matlab仿真工具设计了一个孤立词的语音识别系统,实现了数字0～9的识别.     

基于双麦克风降噪技术的语音识别系统

语音控制是智能化设备的重要控制手段,而语音识别是实现语音控制的关键技术。为了设计一种可靠的、抗干扰性强的产品,提出了一种基于双麦克风降噪技术的语音识别系统。该设计运用ROHM公司的BU8332KV芯片作为语音识别前端处理的核心,利用其双麦克风降噪技术来解决语音识别中的噪声问题,结合单片机和语音识别芯片,应用于按摩椅的语音控制系统中。经过非特定人的语音识别系统的静态和噪声环境下测试,结果表明在噪声环境下,该系统有较高的识别率,适用于按摩椅的应用环境,也适合在其他有环境噪声干扰的语音识别系统中推广应用。     

听觉特性和语谱特性在说话人识别中的应用

大多数说话人识别系统当由实验室走向实际应用时,环境噪声的存在会造成其识别性能下降。为了提高噪声环境下说话人识别系统的识别性能,将基于听觉特性和语谱特性的语音增强技术作为预处理器,首先对语音信号进行降噪处理,提高输入信号的信噪比。实验证明,经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。     

HMM在语音识别系统中的应用

介绍语音识别技术的应用状况与发展,对基于动态时间伸缩技术、隐含马尔科夫模型及人工神经网络的3种不同的语音识别系统进行了比较,重点介绍了隐含马尔科夫模型(HMM)在语音识别系统中的应用。其中基于HMM的语音识别系统是在UniSpeech芯片上实现基于DHMM的识别系统,然后又在同一平台上实现了基于CHMM的识别系统。     

噪声环境下说话人识别性能的研究

为了提高噪声环境下说话人识别系统的识别性能,将基于听觉掩蔽效应的语音增强技术作为预处理器,对语音信号首先进行降噪处理,提高输入信号的信噪比。实验证明,经过降噪处理的语音信号送入说话人识别系统,提高了系统的识别性能。     

用反馈式语音识别理解方案进行汉语短语的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语单音节转换成正确的汉字、词,乃至汉语的短语、语句,与语音识别系统一起,完成一个语音到文本(speech to text)的转换系统。本文利用一个闭环反馈方式汉语语音识别理解方案,在汉语词识别理解的基础上,进一步实现对汉语结构性短语的识别理解,获得了预期的结果。最后本文对实验结果和反馈式语音识别理解方案进行了讨论。     

信号处理、分析与设计

Y2000-62122-25 0100479语音处理与识别(含4篇文章)=Session B1:speechprceessing and recognition[会,英]//1999 IEEE Pro-ceedings of Southeastcon’99 Technology on the brink of2000.—25～39(NiK)本部分收录四篇论文,内容涉及用于听觉和语音受损的便携式语音识别系统,基于 Unix 的语音数据收集平台,语音识别前端的实施与分析,以及连续语音识别的快速算法。     

基于HMM的连续小词量语音识别系统的研究

为了提高语音识别效率及对环境的依赖性,文章对语音识别算法部分和硬件部分做了分析与改进,采用ARMS3C2410微处理器作为主控制模块,采用UDA1314TS音频处理芯片作为语音识别模块,利用HMM声学模型及Viterbi算法进行模式训练和识别,设计了一种连续的、小词量的语音识别系统。实验证明,该语音识别系统具有较高的识别率和一定程度的鲁棒性,实验室识别率和室外识别率分别达到95.6%,92.3%。     

基于隐马尔可夫模型的连续语音同步识别系统

语音同步识别系统的发展方向是连续性的人机交互,采用传统系统易受到突发性噪声影响,致使识别效果较差,提出基于隐马尔可夫模型的连续语音同步识别系统。结合语音识别原理,设计系统硬件总体结构。利用JFET输入高保真运放的OPA604低通滤波器,保证信号处理结果的有效性。通过OMAP5912ZZG型号芯片对处理后的信号进行存储,使用矢量图缓冲音频,经由以太网接口移植相关语音识别序列,由此实现连续语音同步识别。由实验对比结果可知,该系统比传统系统识别效果最高值高出48%,推进了语音识别技术研究的快速发展。     

基于AVR和51单片机的机器鱼语音控制系统设计与实现

为了实现人和机器鱼之间的交流,提出一种基于AVR和51单片机语音控制识别系统设计。在理论分析和实验观察基础上,设计了51单片机主控M-LD3320语音识别模块的语音识别系统,以及AVR主控鱼体产生鱼体波的动力系统。语音识别系统识别到语音,就通过WAP200B无线通讯模块将命令传送给鱼体的动力系统,AVR再根据命令产生相应的鱼体波。实验结果表明,该方案可以实现语音控制机器鱼。     

基于小词汇表语音识别技术的运动控制系统

简要介绍语音识别的原理,基于TMS320LF2407系列16位DSP,设计语音端点检测算法,采用人工耳蜗模型提取语音特征参数,采用改进型动态时间弯折(DTW)算法实现语音参数模板匹配,设计能够实现小词汇表、非特定人、孤立词识别的语音识别系统。并将该语音识别系统应用到运动控制中,试验结果表明,系统正确识别率在93%,具有一定的实用价值。     

有关语音识别技术的研究

语音识别是将音频数据转换成文本或者其他形式的计算机可以处理的信息。这里简单介绍语音识别技术的发展历史和现状,阐述了典型语音识别系统的基本原理,对语音识别的基本方法和识别过程进行深入分析,探讨语音识别技术发展过程中的难点问题,给出了相应对策。     

基于方差归一化失真测度的语音识别

在语音识别系统中不同码字有不同的识别能力,识别能力的大小可在权值上加以体现。采用了方差归一化失真测度,将这种有效性差别作为权重矢量反映到失真测度计算公式中,可有效提高基于MFCC(Mel -Frequency Cepstral Coefficients即梅尔倒频谱参数)的语音识别系统的识别性能。     

用反馈式语音识别理解方案进行汉语短语的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语单单节转换成正确的汉字，词乃至汉语的短语，语句，与误音识别系统一起，完成一个语音到文本（ｓｐｅｅｃｈｔｏｔｅｘｔ）的转换系统，本文利用一个闭环反馈方式汉语语音识别理解方案，在汉语词识别理解的基础上，进一步实现时汉语结构性短的识别理解，获得了预期的结果，最后本文对实验结果和反馈式语音识别理解方案进行了讨论。     

小波神经网络在语音识别系统中的应用

文中设计了以"MCU+DSP"的双CPU结构为核心的语音识别系统,利用MCU实现语音识别系统的控制,DSP实现语音识别系统的预处理、特征提取和模式识别.针对语音识别系统各个阶段,分别引入小波变换和神经网络对传统的实现方法进行改进,有效地降低了系统中的噪声,减少了系统中不必要的数据量,提高了系统的语音识别性能.实验数据验证了该方法的可行性和有效性.     

在线连续交互式英语语音智能识别系统设计

英语语音智能识别系统的发展方向是在线、连续性的人机交互,为此,设计在线连续交互式英语语音智能识别系统,并基于梅尔频率倒谱系数设计语音识别函数。系统的参考数据库选取NOSE算法计算语音评价分数并查错,利用专家知识库纠正用户英语语音。系统由语音训练模块和在线连续交互式识别模块组成,前者为系统数据库提供英语语音的语料、音标资源,后者实施系统数据库的评价、纠正工作。实验结果证明设计的系统语音识别率高且识别时间短,有效性强。