动态HMM及其在说话人识别中的应用

本文针对传统隐马尔柯夫模型(HMM)方法中认为语音信号是平稳马尔科夫过程这一假设的不足,提出了基于动态马尔柯夫键的动态隐马尔柯夫模型(DHMM)方法,并导出了一套与传统HMM中的Baum-Welch算法类似的迭代训练算法,使该方法的训练与识别过程极为简单。最后将其应用于文本无关的说话人辩认,证明了方法的有效性。     

语音识别技术在楼宇控制系统中的应用

由于受识别率较低和计算量大的限制，语音识别的应用一直难以推广。根据楼宇控制系统的特点，文中提出了一种用DSP实现的数字连接词的语音识别实时系统，并结合BACnet协议，把系统设计成BACnet设备的一个嵌入式系统，从而把语音识别应用到楼宇控制系统中。     

神经网络与HMM构成的混合网络在语音识别中应用的研究

隐马尔可夫模型（ＨＭＭ）技术是语音识别中应用较为成功的算法，但它的缺点影响了其精度、速度、硬件实现和推广应用。神经网络（ＮＮ）具有并行性、强的分类能力和易于硬件实现等优点。将ＮＮ与ＨＭＭ相结合构成混合网络，能克服ＨＭＭ与ＮＮ的缺点，保留双方的优点。本文详细评述了目前在语音识别中应用的由ＨＭＭ和ＮＮ构成的四种混合网络。通过对其结构、识别性能和特点的分析，可以看出ＨＭＭ和ＮＮ构成的混合网的性能明显优于     

基于改进语音特征提取方法的语音识别

在分析语音特征提取方法基础上提出一种改进组合算法,并采用HMM声学模型和Viterbi算法进行模式训练和识别.实验结果表明,该算法在噪声环境中具有较好的鲁棒性,能有效提高噪声环境下中文连续语音识别的正确率,增强语音识别整体性能,因此在噪声环境下的语音识别系统中具有一定的实用价值.     

一种基于小波变换和隐Markov模型的声调识别方法

本文给出了一种基于小波变换和隐Ｍａａｒｋｏｖ模型的声调识别方法，根据小波变换检测信号突变的性质，充分利用多分辨率分析，准确可靠地实现了基音检测；采用分划Ｇａｕｓｓ混合概率密度函数的ＨＭＭ进行汉语声调识别，推导出用ＰＧＭ函数的Ｖｉｔｅｒｂｉ长法的简化递推式。     

智能机器人语音识别技术

给出了一种由说话者说出控制命令,机器人进行识别理解,并执行相应动作的实现技术。在此,提出了一种高准确率端点检测算法、高精度定点DSP动态指数定标算法,以解决定点DSP实现连续隐马尔科夫模型CHMM识别算法时所涉及的大量浮点小数运算问题,提高了定点DSP实现的实时性、精度,及其识别率。     

语音识别在电话网络中的应用

语音交互技术在自动电话处理系统中应用的初步成功，预示着将为电话公司节省大量的资金和为用户提供大量的新服务。     

一种DHMM的混合训练方法

隐马尔柯夫模型(HMM)作为描述语音信号的一个工具,按输出概率分布的不同,可分为连续HMM(CHMM)和离散HMM(DHMM).经典的训练方法Baum-Welch算法虽然收敛迅速,但是这类基于爬山的算法只能取得局部最优解,从而影响了系统的识别率.对于CHMM,借助于分类K平均方法可以取得可靠的初始点以保证迅速准确的收敛.而对于DHMM,该方法收益不大,最终所得的仍是局部最优解.由于进化计算一个最重要的特点便是全局搜索,这样可得全局最优解或次优解.本文将进化计算应用到DHMM的训练中,提出了一个把传统算法和进化计算相结合的混合算法.实验结果表明该方法既保证了全局搜索又实现了快速收敛,最终所得的模型优于传统方法和简单进化计算方法.     

浅说语音识别技术

语音识别技术已经成为信息技术中人机交互的关键技术,目前已经进入家电、汽车电子、消费电子产品等各个领域。本文简单介绍了语音识别技术的基本原理以及目前应用最广泛的两种端到端语音识别架构。     

HMM 在说话人识别中的应用

本文介绍了隐马尔可夫模型在自动说话人识别中的应用,指出了目前说话人识别技术中存在的一些问题和今后需要的课题。     

连续语音识别前端鲁棒性研究

针对大词汇量连续语音识别中识别率不高的问题,提出了将语音增强级联在识别系统前端,在语音增强中将谱减法和对数最小均方误差算法（logmmse）与用于噪声估计的最小控制递归平均算法（imcra）相结合。识别系统使用Mel频率倒谱系数（MFCC）提取特征,用隐马尔科夫模型（HMM）训练与识别。实验结果表明,提出的方法最高能使单词识别率提高38.9%,使句子正确率提高21.8%。该方法用于大词汇量连续语音识别是可行的,有效的。     

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。     

语音识别隐马尔可夫模型的改进

由于在语音识别中被广泛应用的隐马尔可夫模型是一重马尔可夫模型，它不能充分地描述语音信号的时间相依性。虽然理论上可将ＨＭＭ扩展成多重马尔可夫模型，但由于所需运算量和存储量将成指数增长而使其难以应用。因此，本文提出一种新模型，它是由ＨＭＭ与一个能描述语音信号时间相依性的多维高斯密度函数相结合构成的。本文从理论上论证了新模型的合理性。对汉语不计声调的全部４０９个单音节的识别实验结果表明：新模型的识别率显     

说话人识别技术在智能家居中的应用

结合智能型楼宇控制系统的特点以及以人为本的理念,提出了一种用DSP实现的说话人识别实时系统．并结合楼宇自动控制网络(BACnet)协议,将系统设计为BACnet设备的一个嵌入式子系统,从而将语音识别技术应用到智能家居控制系统中。     

BACnet应用层测试状态机自动生成研究

协议状态机测试是通信协议一致性测试的重要内容，状态机的自动测试有利于提高协议测试的效率。本文首先介绍了扩展有限状态机模型，然后采用扩展有限状态机模型对BACnet应用层状态机进行了详细的分析．讨论了BACnet应用层测试状态机自动生成的可能性，最后提出了一个基于规则推理的测试状态机生成方法．该方法能够根据协议一致性声明自动生成测试状态机。     

应用于语音识别片上系统的语音检测算法

语音识别技术的研究已经进入实用化阶段，而实用化语音识别系统中的一个关键技术就是可靠的语音检测。本文提出了一种基于有限状态机模型的实时语音检测算法(FSM-SD)。采用对数最大似然判决帧能量检测器和过零率检测器控制各状态之间的跳转关系。针对语音识别中的MFCC(Mel频标倒谱系数)和LPCC(线性预测倒谱参数)特征提取过程，分别得到两种不同的帧能量计算方法。将FSM-SD应用到在OAK DSP上实现的小词表汉语语音识别系统，通过实验验证了其对系统识别性能和噪声稳健性的有效保证。     

一个实时孤立单词语音识别接口的设计

本文介绍一个比较适用化而硬件又适合于LSI芯片设计的实时孤立单词语音识别接口的设计,该接口用带通滤波器组的方法提取语音特征,用分块四值化方法压缩数据,用最小距离法进行识别.     

楼宇自控系统中BACnet网络节点平台的开发

针对楼宇自动化中BACnet协议的实现及协议栈移植的问题,提出了对协议栈交互模型简要的设计方法,介绍了移植到STM32开发板的过程。该方法分析了协议结构中应用层、网络层和数据链路层的实现过程。移植以BACnet-stack-0.8.2版本源代码为样本,根据标准对象的功能需求和硬件配置对BACnet协议栈进行剪裁和移植。实验结果使STM32开发板成为一个BACnet网络节点设备,能通过RS485与PC机上的虚拟设备进行通信,具有读写属性等服务的能力。     

语音识别算法的确定与实现

在语音识别的实验中，对几种算法方案进行了比较、分析和择优淘劣，标准是在一定词汇量的条件下，权衡占用机器的内存空间、（正确）识别率和响应速度。力争使与话者有关的单词语音识别系统的设计达到优化，取得满意的结果。本文即是此项实验的总结。