基于DSP的嵌入式语音识别模块的实现

设计并实现了一个特定人、孤立词、小词汇量的嵌入式语音识别模块,该模块能够方便地与多种控制芯片接口从而实现不同的功能.在硬件上,使用高速的TMS320VC5402芯片作为模块的运算单元;在软件上,采用谱减法进行前端去噪处理,接着根据谱熵进行语音端点检测,然后提取12维MFCC及其一阶差分作为特征参数,最后用加入模板阈值方法的改进型DTW算法完成整个识别过程.实验结果证明,该语音识别模块在满足实时性的前提下具有良好的识别率和抗干扰性能.     

非特定人孤立词语音识别系统的片上实现

在SEED-DEC5502DSP嵌入式系统开发平台上实现了一个面向非特定人的孤立词语音识别系统,和传统的基于特定人的语音识别系统相比,该系统无需用户训练,易于使用。系统采用改进的基于语音对数域能量变化率的实时端点检测算法,只对检测的有声段语音进行特征提取,从而减少了要处理的语音帧数;提出了改进的共享声学单元状态发射概率共享的解码策略,进一步降低了计算负担。实验表明系统在100词条的情况下识别率达到98.1%,识别时间为1.03倍实时。     

嵌入式实时音乐语音识别系统的实现

设计并实现了一种嵌入式实时音乐语音识别系统.叙述了音乐语音识别系统硬件结构、软件流程,建立了一种基于多频段能量曲线分割结合过零率来检测端点的新方法,实验结果表明,该系统对特定人的平均识别率在96%以上.     

嵌入式语音识别系统的快速高斯计算实现

在基于隐含马尔可夫模型(HMM)的连续语音识别系统中,模型状态的高斯分布输出概率的计算会占到整个系统计算量的30%到70%。该文基于语音识别在缺乏浮点运算能力的嵌入式系统上的实现,给出了一种快速高斯计算的新方法。该方法使所有模型状态都共享一个有限的高斯输出概率集,以减少计算复杂度,并且无需重新训练模型参数。在嵌入式平台上的实验数据表明,识别速度能获得15%～25%的提高,而且识别率没有大幅降低。     

嵌入式语音识别系统的研究和实现

本文首先给出了一种适合于在嵌入式平台上实现的可变命令集的非特定人语音识别系统,同传统的基于PC的非特定人语音识别系统相比,该系统具备内存消耗小,运算速度快的优点。然后给出了该语音识别系统在多种嵌入式平台上的实现和评估结果,论证了非特定人语音识别系统在嵌入式平台上实现的可行性及其对硬件的最低配置要求,在技术层次上分析了目前实现高性能语音识别SOC的主要问题和困难,并指出了今后相关的研究方向。     

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。采用动态时间归整(DTW)算法对语音信号进行特征参数序列比较并识别出结果。采用S3C2410微处理器和嵌入式Linux操作系统,将交叉编译后的语音识别C语言程序编译进嵌入式Linux操作系统的文件系统,实现语音识别系统的功能。     

嵌入式语音识别系统性能分析

语音识别技术在嵌入式系统上的应用是当前的热点和难点。本文在三种不同的嵌入式系统上建立了基于HMM的非特定人大词汇表连续语音识别的实验平台,对语音识别的实时性能进行了测试分析,讨论了非特定人连续语音识别系统在不同嵌入式平台上的可行性。     

嵌入式语音识别系统研究

对嵌入式语音识别系统所涉及的硬件、外围接口电路作了分析比较,重点分析了S3C2410和存储模块;对嵌入式操作系统Windows CE和Linux作了介绍,重点分析了Linux及其引导程序BootLoader;对嵌入式系统识别算法的选取作了分析研究。     

LD3320的嵌入式语音识别系统的应用

语音交互系统是比较人性化的人机操作界面,它需要语音识别系统的支持。LD3320就是这样一款语音识别芯片。介绍了该芯片的工作原理及应用,给出了LD3320与微处理器的硬件接口电路及软件程序。随着高档MCU的不断出现,以MCU为核心的嵌入式语音交互系统会有非常好的应用前景。     

基于小波神经网络的嵌入式语音识别系统

本文介绍了基于嵌入式操作系统Windows CE和ARM平台的语音识别系统,该系统使用了小波神经网络技术。系统使用S3C2410芯片进行控制和语音识别,使用SPCE061A芯片完成训练算法、语音信号特征提取,具有较好的可移植性,在小波神经网络算法的帮助下,系统有较高的识别率。     

嵌入式小词汇量语音识别系统

介绍了一种基于嵌入式微处理器的小词汇量语音识别子系统的具体实现,包括软、硬件环境以及在嵌入式语音识别环境下采取的特殊策略。基于嵌入式微处理器的系统能够实现较复杂的控制,并且具有较好的可扩展性。     

基于ARM的语音识别系统的设计与实现

语音识别技术是语音处理领域的一个关键技术.在研究了语音识别技术原理的基础上,本文提出了一种基于ARM处理器的孤立词语音识别系统的设计方案,包括系统硬件设计、软件设计和算法实现,经过实验测试,可以有效地进行语音识别.     

基于嵌入式Linux语音识别系统的设计

该设计运用三星公司的S3C2440,结合ICRoute公司的高性能语音识别芯片LD3320,进行了语音识别系统的硬件和软件设计。在嵌入式Linux操作系统下,运用多进程机制完成了对语音识别芯片、超声波测距和云台的控制,并将语音识别技术应用于多角度超声波测距系统中。通过测试,系统可以通过识别语音指令控制测量方向,无需手动干预,最后将测量结果通过语音播放出来。     

基音周期标准化与嵌入式语音识别系统

根据不同人发相同音节时,一个基音周期内的波形具有一定相似性的特点,提出一种新的基音周期标准化的语音信号预处理方法。该方法在一个嵌入式的、非特定人、孤立数字的语音识别系统中进行了验证,实验结果表明基音周期标准化能有效提高语音识别的准确率。     

一种应用于嵌入式语音识别的端点检测方法

端点检测是语音识别系统中很重要的一部分,端点检测的准确性直接影响语音识别系统的性能。提出了一种新颖的两阶段端点检测方法：第一阶段采用基于短时能量的边缘检测方法得到第一阶段端点;第二阶段采用统计直方图聚类削波求取阈值,并得到最终准确的端点。实验结果表明,与传统的端点检测方法相比,该算法在噪声环境中有更好的效果。     

嵌入式系统上的实时语音识别算法

介绍了一种嵌入式系统上的孤立词语音识别算法.该算法基于连续隐含马尔可夫模型,根据嵌入式系统的特点,简化了经典的连续隐含马尔可夫模型,在主流个人数字助理（PDA）上实现了中等规模语音识别的实时处理,采用最大后验概率（MAP）自适应方法解决训练数据采集信道和PDA信道的不匹配问题.在系统的后端处理中,提出了一种基于置信测度的拒识方法改善系统的稳健性,最终使610个孤立词的识别任务,系统的等错误率小于5%;对集内发音拒识率为5%时,集内发音识别率达到95%.     

单片机实现的语音实时识别系统

本文介绍了一种实用的语音识别系统,并对由单片机构成的系统的工作原理、硬件电路设计和程序流程图作了说明。     

基于连续HMM语音识别系统的构建与分析

介绍实现语音识别系统的一些基本概念,对双门限端点检测过程用流程图的形式做详细介绍.该系统采用连续隐马尔科夫模型(HMM)进行建模,对实现过程遇到的三个基本问题进行分析并给出了解决方案.利用该系统对不同人的语音命令进行识别,准确率可达95%.     

嵌入式语音识别系统的研究

结合PDA的自身特点，讨论了新型嵌入式语音识别系统ESRS；同时重点讲述了ESRS的系统结构框架和实现的关键技术，包括基于时域能量的端点检到、基于隐马尔可夫模型的拒识技术、特征提取和抗噪技术。     

基于语音识别系统中DTW算法改进技术研究

动态时间规整(DynamicTimeWarping)是语音识别中的一种经典算法,由于算法简单又有效,因此在实现孤立词识别系统中获得了广泛的应用,但仍然存在一些不足,本文从提高识别率和识别速度入手提出对DTW算法进行改进研究,以达到更满意的语音识别效果。