改进的高效动态时间规整算法语音识别系统

动态时间规整算法是结合了动态时间规整(DTW)技术和距离测度计算技术的一种非线性规整算法,在语音识别模板匹配中有重要的应用。为此提出一种改进的高效动态时间规整算法,其能有效加快搜索路径的寻找。基于Matlab实现了隐马尔科夫算法、高效动态时间规整算法和改进的高效动态时间规整算法的语音识别系统,同时进行了算法的仿真实验。实验结果表明,基于改进高效动态时间规整算法的训练速度远大于基于隐马尔可夫算法和高效动态时间规整算法的训练速度,而识别率下降很小,对于小词汇量非连续语音识别中高效动态时间规整算法的识别率为97.56%,隐马尔可夫算法的识别率为97.14%,改进高效动态时间规整算法的识别率为96.43%。     

语音识别中动态时间规整算法的硬件加速实现

动态时间规整算法(Dynamic Time Warping,DTW)是语音识别中常用的技术之一.为了提升因数据量增加以及算法对数据的高度依赖性所导致的计算性能降低,提出一种针对语音帧的动态时间规整算法硬件架构.识别计算过程中,通过使用算法时间复杂度相对低的下界距离函数(Lower Bound Function,LBF)...     

改进的LVQ网络与DTW相结合的语音识别方法

提出一种基于动态时间规整(DTW)和改进的学习矢量量化(LoPLVQ)的神经网络的语音识别方法.该方法用动态时间规整算法先对语音信号进行时间规整,然后通过改进的学习矢量量化神经网络进行语音的分类识别.实验表明,新系统在大规模语音识别方面不仅能缩短训练时间,而且具有较高的识别率.     

一种改进的特定人语音识别系统及算法研究

针对传统特定人语音识别过程中存在的算法复杂、所占存储空间大等问题,提出了一种改进的基于动态时间规整算法(DTW)的特定人语音识别系统.在对参数提取方法进行详细对比之后,提取美尔频率倒谱系数(MFCC)作为本系统的语音识别参数,有效的解决了人耳响应不同信号灵敏度不同的问题.利用MATLAB环境下语音工具箱Voice Box实现了对若干数字的孤立词识别,识别速度提高了约30％,识别成功率达到95％以上.仿真结果证明,该系统在算法简单,识别成功率高,是一种简单有效的语音识别方法.     

基于蚁群DTW算法的哼唱搜索研究

虽然传统DTW算法在模糊匹配上具有很好的性能,但是DTW算法通过局部最优化算出最佳路径的最小累计距离,计算量较大,搜索效率较低。蚁群DTW算法,结合蚁群算法的正回馈机制,搜索语音信号之间匹配的一条全局最优路径,既利用了语音信号的全局特征又考虑了其局部信息,与传统DTW算法相比,能大大提高哼唱搜索效率。     

基于DTW算法的语音识别系统实现

动态时间归整(DTW)算法的实现简单有效,在孤立词语音识别系统中得到了广泛的应用.介绍了将DTW算法移植到TMS320VC5402上实现孤立词语音识别的原理、系统硬件组成和软件设计.研究结果表明,系统能满足实时性能要求,识别效果良好.     

基于DTW/SVM的语音识别系统在DSP中的实现

采用动态时间归正算法(DTW)和支持向量机(SVM)相结合产生一个新的基于径向基函数的DTW核函数实现语音识别,该方法在小词汇量及孤立词识别方面相对传统的隐马尔可夫模型有较大优势。为了满足语音识别系统对实时性和便携性的要求,提出了基于DTW/SVM的混合方法在TMS320C6711DSP芯片中实现的应用研究;给出了语音识别系统的原理框图,其中采用Mel倒谱系数为语音特征参数,应用了可变窗长端点检测技术;阐述了DSP设计中系统的软硬件设计方案及具体的接口电路,该系统使得语音识别更为快速便捷,并且具有一定的通用性。     

孤立词语音识别系统的DSP实现

语音识别是人杌通信技术的基础之一,目前正广泛应用于控制、通信、消费等行业.介绍一种基于DSP的孤立词语音识别系统.对以TMS320VC5402芯片为核心的系统硬件设计进行了研究,通过TLC320AD50C对语音信号进行A/D转换,通过TMS30VC5402对语音信号进行训练和识别,并由LCD显示结果;该系统核心识别算法采用动态时间规整(DTW)算法.主要流程包括预处理、端点检测、提取特征值、模式匹配和模板训练,取得了很好的识别效果.所做的研究工作,是为汉语孤立词语音识别进入商业化进行有效的探索.     

基于DTW的轮椅命令字识别系统研究

采用一种双门限的端点检测算法精确地检测出了语音端点;对线性预测倒谱系数LPCC和Mel频率倒谱系数MFCC的性能进行了对比分析;以MFCC为特征参数,实现了基于动态时间归整算法DTW的轮椅命令字识别系统,识别效果达到90%以上.DTW的高效算法降低了算法的执行时间,优化了系统性能.     

基于Mel频率倒谱系数的DSP语音识别系统

以Mel频率倒谱系数（MFCC）作为语音识别的特征参数，采用动态时间规整（DTW）识别算法，实现以数字信号处理器TMS320VC549为内核的语音识别。采用24阶MFCC作为特征量。软件系统直接对数字信号处理器进行编程，采用Mel频率倒谱系数定点算法计算特征参数，用动态时间规整算法搜索匹配路径。硬件系统采用单片机AT89C51实现与TMS320VC549的通信，在有信道噪声和频谱失真的情况下，能产生更高的识别精度。     

Genetic algorithm for optimizing the nonlinear time alignment ofautomatic speech recognition systems

Dynamic time warping (DTW) is a nonlinear time-alignment technique for automatic speech recognition (ASR) systems. It had been widely used in many commercial and industrial products, ranging from electronic dailies/dictionaries to wireless voice digit dialers. DTW has the advantages of fast training and searching times, which makes it more popular than other available ASR techniques. However, there exist some limitations to DTW, such as the stringent rule on slope weighting, the nontrivial computation of the K-best paths, and the significant increase in computational time when the endpoint constraint is relaxed or the variations of the length of pattern increased. In this paper, a stochastic method called the genetic algorithm (GA), which is used to solve the nonlinear time alignment problem, is presented. Experimental results show that the GA has a better performance than the DTW. In addition, two derivatives of GA: the hybrid GA and the parallel GA are also presented     

基于DTW改进算法的孤立词识别系统的仿真与分析

传统的DTW算法在进行孤立词语音识别时着重于时间规整和语音测度的计算，而没有对数据的可靠性和有效性进行分析。本文提出了一种改进的端点检测算法，并采用一种改进的DTW算法，在计算机上进行了仿真。实验结果表明采用改进后的DTW算法有效的降低了识别时间和存储数据量，提高了系统性能。     

基于仿生模式识别思想的时间序列匹配

仿生模式识别是模式识别理论的一种新模型,它的出发点是要"认识"事物而非"区分"事物,理论的基点在于它确认了样本点在特征空间的连续性.本文根据仿生模式识别的基本思想,提出了一种时间序列匹配的新方法.该方法利用同类样本间的连续性规律,将时间序列排序,并在相邻的时间序列之间添加了若干新的时间序列,以增加样本点.对力感键盘按键压力序列进行分类实验的结果表明,新方法优于基于动态时间弯折的传统方法.     

基于3D人体骨架的动作识别

本文提出了一种基于3D人体骨架的动作识别方法.该方法以3D人体骨架为基础,将骨架中关节点的位置重新定义,形成简化的立体骨架模型,进而采用改进的动态时间规整算法（Reformative Dynamic Time Warping,R-DTW）对齐动作序列并进行识别.由于人体大小、形状、动作方式等差异,任意两个人表达同一动作都不尽相同,简化的立体骨架模型能有效缓解这种类内差异性.传统的DTW算法存在计算复杂性高,效率低的问题,本文在传统算法的基础上设计了"一次规划,二次细化"的方法,有效降低计算量,提高计算效率.该算法在MSR 3D Action数据库上的实验验证了其有效性.     

语音识别中的神经网络DTW结构

本文介绍语音识别中一种基于动态规划技术的时间规正算法DTW的神经网络实现方法.DTW是语音识别中最为有效的方法之一,它具有较强的鲁棒性且为语音识别系统提供了可能的最高识别率.但由于其计算量太大,除非用专门的硬件,DTW算法在实现时受到了限制.在本文中,所有的计算是由两个循环神经子网和一记忆层来完成的,该方法展示了算法的硬接线结构,(hard-wiring)的优越性,这为DTW的硬件实现提供了一种新的实施策略.     

基于概率神经网络的数字音识别

本文主要利用概率神经网络和动态时间规整技术来实现数字音的识别研究。结论是在利用概率神经网络进行语音识别时可以达到比较高的识别率,此外动态时间规整函数的加入,解决了神经网络的模板规整问题。作为语音识别技术的基础,其中包含了小波的基础理论,语音的预处理,DTW技术,端点检测等基础技术。对于神经网络的加入,更加有利于深入了解神经网络这一新兴技术。