基于智能家居控制的嵌入式语音识别系统

通过分析嵌入式语音识别技术和智能家居控制的原理,设计了基于智能家居控制的一种非特定人孤立词的语音识别系统.该系统由ARM 11处理器和WM9713语音处理等核心芯片组成,采用WinCE操作系统.测试表明,嵌入式语音识别系统具有较高的识别率、实时性和易于实现的特点.该识别系统为智能家居提供方便、准确的设计方案,有广泛的市场前景.     

语音识别技术在楼宇自控系统中的应用

随着语音识别技术的发展,孤立词、小词汇量的语音识别系统在日常生活中得到广泛应用,本文提出了一种基于DSP的孤立词实时语音识别系统,并将动态时间规整技术运用到识别算法中。根据楼宇控制系统的特点,结合BACnet网络协议,把系统设计成BACnet设备的一个嵌入式子系统,从而把语音识别应用到楼宇控制系统中。结合了系统硬件速度快、算法高效的特点,实现了对楼字更加实时、方便的控制。     

基于深度学习的语音识别模型及其在智能家居中的应用

为了满足人们对智能家居设备控制便捷化的需求,提出了一种基于降噪自动编码器的深度学习语音识别模型,经过语音识别模型解析出短语控制指令,以实现家居设备控制。该语音识别模型主要包含两个部分:首先进行无监督学习预训练,预训练前随机将一些网络节点置为0,人工模拟噪声数据,然后采用限制玻尔兹曼机权重矩阵依次训练每一个隐含层,通过比较输入数据与输出数据的偏差修改权重,优化参数;然后进行有监督微调,把训练好的参数作为整个网络的初始值,采用误差反向传播算法对整个网络模型调参。实验结果表明:该语音识别模型与深度信念网络对比,在语音识别率和对噪声的鲁棒性都有明显提高。将该语音识别模型和智能家居系统相结合,从普通短语中判断出家居控制指令,实现人机交互非接触式、便捷式控制,从而使系统更加智能化。     

基于SystemC系统级的语音识别系统的建模及性能分析

针对复杂嵌入式系统,提出了基于SystemC的系统级设计流程和建模方法,该方法主要包括层次化建模方法、面向对象建模技术以及"Top-Down"建模方法,为系统级建模人员提供了指导.采用提出的系统级建模方法成功地对语音识别系统进行了建模,并对语音识别系统的性能进行了评估分析,分析的性能指标对语音识别算法的进一步完善提供了参考依据.     

利用IBM Via Voice实现装配机器人的听觉功能

本文阐述了具有听觉功能的装配机器人的实现方法。通过对语音识别技术 ,估引起IBM ViaVoice语音识别系统的基础上,根据我院机器人研究所现有的“七感觉智能机器人”的功能需求,通过对其主控软硬件的改进,使语音识别技术与机器人控制系统有机结合,实现了装置机器人对非特定人、连续语言的识别与控制。此听觉识别系统可扩充中小词汇,具有可编程、自学习能力。     

语音识别系统简易模型的设计及其关键问题

语音作为一种语言符号系统的载体,负载着人们想要传达的信息;而语音识别作为智能设备的一项功能受到人们的亲睐,与此同时越来越多的科研爱好者也投身于语音识别的研究当中。然而并不是所有的项目研究工作都需要从零开始研究语音,有很多的研究是需要建立在现有语音识别系统基础上的,比如说为提高识别精度而研究对语音识别系统扰动的因素等。因此,设计语音识别系统在很多情况下十分常有必要的,本文就设计语音识别简易模型做出研究,为欲研究语音识别后续工作的科研爱好者作参考。     

基于神经网络的汉语孤立词语音识别

研究了基于神经网络的中文孤立词语音识别技术;将时间规整算法与神经网络相结合,组成一个混合级联神经网络语音识别系统. 在这个模型中,第一级是时间规整神经网络. 其作用是完成时间规整功能,从输入不等长的语音信号特征矢量序列中提取固定长度的特征矢量;然后将这组特征矢量馈入后一级BP网络完成语音识别. 利用该方法对小词表汉语孤立词进行语音识别实验,获得了98.25%的正确识别率. 实验结果表明,该系统不仅利用神经网络解决了语音识别中的时间规整难题,而且识别性能明显得到改善,识别率和训练速度均优于采用线性时间规整的神经网络语音识别方法.     

基于DHMM和VQ的关键词识别系统研究

针对现有关键词识别系统采用很难用硬件电路准确描述的连续隐马尔可夫模型CHMM作为识别模型,提出用离散隐马尔可夫模型DHMM作为系统的识别模型,研究了适用于硬件实现的状态机端点检测算法,并通过引入VQ矢量量化模块来保证离散关键词识别系统的识别率和识别速度;根据关键词训练模型,分析所采集语音信息中是否存在指定的关键词并进行准确识别。实验结果表明,该算法在便于硬件实现的基础上,具有良好的识别率和实时性,为关键词识别系统的FPGA硬件电路实现研究提供了参考。     

基于RASTA-FF2滤波降噪技术的语音识别

语音识别技术可以为要求双手同时作业的操作人员和残疾人提供一种便捷的控制方法。作者在文中提出了一种通过结合二阶频率滤波和RASTA技术来增强语音识别鲁棒性的方法，并将这种方法成功应用于机器人化护理床的控制系统中，增强了识别系统在医院、工厂等非稳定噪声环境下语音识别的鲁棒性。 通过将HMM／GMM混合模型的传统Mel频率倒谱系数为特征值的识别系统与HMM／GMM混合模型的RASTA—FF2为特征值的识别系统进行比较，并分别在纯语音和带噪语音条件下进行测试，发现经过二阶频率滤波后的FF2特征值再经过RASTA滤波器滤波，特别是在非稳定噪声环境下，以RASTA—FF2为特征值的识别系统比传统的识别系统的识别率更高，这表明FF2特征值与RASTA滤波器技术相结合，一个作用于频域，一个作用于时间域，可以有效地消除语音信号中的不同噪声成份。     

非特定人语音指令识别系统的研究与实现

为了研究语音识别技术的实用化问题.采用离散隐马尔可夫模型方法,基于单片微控制器加数字信号处理器(MCU DSP)构架,实现了一个非特定人语音指令识别系统.该系统适应性强,每个指令识别时间在1s内,准确率达到96%.     

智能语音识别系统中噪声估计算法的研究和改进

智能语音识别技术的研究已有较长的时间,但由于语音信号本身所具有的多变性、瞬时性、连续性和动态性的特征,使得机器在不同的环境尤其是噪声环境中进行语音信号的识别仍具有一定的困难.为了提高带噪语音信号识别的准确率,本文研究了一种常用的噪声估计算法,即基于后验信噪比的时间递归平均算法.并在此算法的基础上提出了一种对平滑因子的改进算法,将语音活性检测算法与这两种算法在不同输入信噪比下进行模拟验证.通过运算结果的对比分析可以看出,改进后的算法相比于语音活性检测算法最高可以使输出分段SNR提高2.1 dB,相比于原时间递归平均算法最高可以使输出分段SNR提高0.5 dB,表明低输入SNR下改进后的算法可以有效提高语音信号的质量和可懂度.     

基于语音识别和GSM的门控系统设计

本设计采用语音识别和GSM远程报警技术使防盗系统智能化,安全性提高。该智能门控系统基于凌阳16位单片机SPCE061A为控制核心,将语音信号进行数字信号处理,利用特定人语音识别技术实现语音识别密码锁功能,并利用GSM模块实现无线远程短信和拨号报警功能。从硬件设计、软件优化等方面进行总体设计,并且通过结果测试和分析证明了设计的可行性。     

基于图像识别技术的公交报站器研究

介绍一种基于图像识别技术的智能化公交报站器的设计方法。通过安装在车辆前面的CCD摄像头获取车行方向站台周围的标志性景物图像,经过图像处理获得地理信息数据后,与数据库中的上下行各站点图像数据进行比对,判断具体到哪个车站,然后启动语言播报及LED屏提示系统,具有智能化实时特性,研究包括图像数据库的建立、图像处理过程、语言播报及LED显示等主要内容。     

统计与规则相结合的计算机音字相互转换技术

本文介绍一种利用马尔克夫统计文法和自然语言理解技术相结合的计算语言模型进行汉语音节到汉字的机器自动相互转换技术。该技术集成了统计文法和句法分析方法各自的优点，可以实用于计算机大规模真实文本的音字相互转换，并且具有处理语言深度递归现象和远距离约束关系的能力。     

基于SPCE061A语音单片机的智能小车的控制

介绍一种智能小车控制系统的设计。该系统方案以SPCE061A单片机为基础，实现对智能小车的语音控制。文中给出了系统的硬件构成，简述了SPCE061A单片机的内部资源，分析了语音识别的基本原理，从软件设计角度具体阐述了特定人语音识别在智能小车上的实现过程。实验表明这种应用是成功的。     

语音情感信息可视化建模研究与探析

语音情感识别是情感计算领域的一个重要分支,研究者们尝试从多种角度对其展开不懈研究。本文从可视化的角度出发,提出了基于信息可视化的情感识别方法,原始语音情感特征经过图表示映射为包含内部数据结构信息的新型情感图特征,在一定程度上促进了语音情感识别系统的性能提高。另外,还将信息可视化技术应用到情感识别结果的表达上,实现情感信息的生动描述和高效表达。在信息可视化技术和语音情感识别研究充分融合的基础上,构建了一个完整的语音情感信息可视化模型,作为系统实现的基础。     

基于语音识别的遥控小车研究

语音识别与处理技术在信息技术的人机接口中得到了普遍关注,音控小车是语音识别的典型应用之一。基于无线遥控技术介绍了音控小车的结构,分析了语音识别模块和无线收发模块的基本原理及设计过程;对音控小车的驱动和控制进行了介绍,成功实现了基于语音识别的遥控小车设计,其设计思想和方法对需要进行语音无线远程控制的设备具有一定的参考价值。     

混合抗噪语音识别模型的设计与仿真

为解决语音识别过程中的抗噪声及抗干扰问题,提高系统的识别精度,利用隐马尔可夫模型HMM优异的时序建模能力及小波变换可以对信号进行多尺度分析并有效提取信号的局部信息的特点,建立了混合语音识别模型.考虑到在语音信号识别过程中信号的非平稳性,采用并行的识别方法分别获取分类信息,根据混合模型的识别算法做出识别决策,减小了系统对环境的依赖性,提高了其自适应能力.仿真实验结果表明,混合模型识别结果比单一HMM模型或小波模型识别结果更佳,提高了整体的识别速度和识别率.     

基于特征值混和提升语音识别鲁棒性技术(英文)

语音识别技术可以为要求双手同时作业的操作人员和残疾人提供一种便捷的控制方法。作者在文中提出了一种通过结合二阶频率滤波和RASTA技术来增强语音识别鲁棒性的方法,并将这种方法成功应用于机器人化护理床的控制系统中,增强了识别系统在医院、工厂等非稳定噪声环境下语音识别的鲁棒性。通过将HMM/GMM混合模型的传统Mel频率倒谱系数为特征值的识别系统与HMM/GMM混合模型的RASTA-FF2为特征值的识别系统进行比较,并分别在纯语音和带噪语音条件下进行测试,发现经过二阶频率滤波后的FF2特征值再经过RASTA滤波器滤波,特别是在非稳定噪声环境下,以RASTA-FF2为特征值的识别系统比传统的识别系统的识别率更高,这表明FF2特征值与RASTA滤波器技术相结合,一个作用于频域,一个作用于时间域,可以有效地消除语音信号中的不同噪声成份。