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。     

一种CDHMM／MLP混合模型及其在语音识别中的应用

本文提出了一种由连续隐马尔可夫模型与多层感知器构成的混合模型，并将该模型应用于语音孤立词识别，这种混合模型首先用ＣＤＨＭＭ来获取输入信号的动态特性，然后再以ＭＬＰ分类器对输入信号进行分类识别。其主要目的是通过ＭＬＰ分类器，对ＣＤＨＭＭ中的似然估计值进行分析，分类，以加强和提高ＣＤＨＭＭ的分类能力。根据这种混合模型，我们建立了一个含３０个英语单词的语音识别系统。实验结果表明，该系统的识别率明显高于传     

基于DSP的口令式语音CDHMM的实时训练系统

文章给出了基于DSP的特定人口令式语音CDHMM(连续隐马尔可夫模型)的实时训练系统.在分析了CDHMM训练算法运算特性的基础上,采用TI高性能浮点DSP芯片TMS320C6711成功实现了口令式语音的CDHMM的训练.并对系统的存储量及实时性做了深入研究,为语音识别在嵌入式领域中的应用提供了重要的技术途径.     

基于VQ/CDHMM的噪声环境下汉语口令识别研究

该文研究了基于改进VQ/HMM模型的语音识别方法,设计实现了基于该模型的汉语口令识别系统;研究了鲁棒性特征参数问题,提出了一些新的基于MFCC和LPCC的高维动态参数;分别进行了纯净语音和不同信噪比语音的识别实验,分析比较了不同类型特征参数、训练状态数和高斯混合度对该系统识别性能的影响。在此基础上得出了以下结论:在加性白噪声的情况下,使用高维动态参数明显提高了系统的鲁棒性;在汉语两字组的短语音(口令)识别中,状态数取4,混合度取3时实验结果较好;利用不同特征参数的优势,进行信息融合,是提高系统性能的一个很好选择。     

Subspace Distribution Clustering HMM for Chinese Digit Speech Recognition

As a kind of statistical method, the technique of Hidden Markov Model （HMM） is widely used for speech recognition. In order to train the HMM to be more effective with much less amount of data, the Subspace Distribution Clustering Hidden Markov Model （SDCHMM）, derived from the Continuous Density Hidden Markov Model （CDHMM）, is introduced. With parameter tying, a new method to train SDCHMMs is described. Compared with the conventional training method, an SDCHMM recognizer trained by means of the new method achieves higher accuracy and speed. Experiment results show that the SDCHMM recognizer outperforms the CDHMM recognizer on speech recognition of Chinese digits.