基于TSG110的语音识别控制器

目的研究用自然语言向智能家居系统进行信息输入和对相关设备的控制及语音识别控制器设计．方法通过对语音信号特点和识别技术的分析，对语音识别系统的语音特征提取、声学模型与模式匹配、语言模型与语言的处理，阐述了HMM算法和DP匹配的语音识别算法，指出孤立词识别系统结构的特点．结果利用TSG110芯片，给出语音识别控制器的识别技术和系统硬件结构、软件设计及组成方法．结论语音识别技术运用于智能家居系统的语音识别控制器，使其具有语音分析、识别和系统控制等功能，实现信息输入与控制．     

实现机器人语音远程控制的研究

该文建设性地提出基于分布式组件技术(DCOM)构建多层网络化机器人远程控制系统，利用分布式组件技术实现了机器人的远程控制和网络共享。通过对语音识别技术的研究，在引进IBM ViaVoice语音识别的基础上，使语音识别技术与机器人控制系统有机结合实现机器人语音识别与控制。结合DCOM和IBM ViaVoice两者技术可以实现语音远程控制，使声音通过网络加以延伸，使控制者离开机器人嘈杂的操作环境，对远距离的机器人进行语音控制，使语音识别率得到很大的提高。     

基于仿生模式识别的非特定人连续语音识别的研究

仿生模式识别基本原理应用到非特定人连续语音识别中，在构建语音模型时，将高维空间点覆盖的理论应用到非特定人的连续语音识别的学习过程中，在识别时，采用高维空间覆盖动态搜索的方法，对连续语音进行动态搜索，这样就可以避免因分割错误而带来的错误识别．通过实验得到了较为满意的识别结果。     

神经网络语音识别技术应用研究

本文通过描述语音特征参数求取方法和典型神经网络的学习过程，阐述了采用人工神经网络技术进行语音识别的基本原理，并给出一个神经网络语音识别技术在语音控制媒体播放系统中的应用实例。     

神经网络语音识别技术应用研究

本文通过描述语音特征参数求取方法和典型神经网络的学习过程，阐述了采用人工神经网络技术进行语音识别的基本原理，并给出了一个神经网络语音识别技术在语音控制媒体播放系统中的应用实例。     

基于单边自相关序列的抗噪声语音识别特征提取算法

基于单边自相关序列和频率规整的线性预测算法，提出了一种抗噪声的语音识别的新特征，它既符合入耳的听觉特性又具有良好抗噪性。通过汉语数字语音识别实验证明，新特征参数提高了语音识别系统的鲁棒性，优于传统的LPC倒谱系数。     

基于全信息自然语言理解的语音识别后文本处理

将全信息(自然语言的语法、语义和语用信息)自然语言理解应用到可靠语音功能的研究中，提出在语音识别之后增加一个全信息自然语言理解的文本后处理功能，通过深入分析词语的语法信息（位置、识别稳定度）、语义信息（语句目标含义）和语用信息（语境和谐度）对语音识别结果语句进行评估、检错和纠错，最终输出优化语句。实验结果表明，增加全信息自然语言理解后处理可使识别正确率获得较好改善。     

非特定人问候语连续语音识别技术的研究

为了解决连续的语音识别对端点的依赖性问题,提出了一种基于高维空间点覆盖动态搜索理论的非特定人问候语连续语音识别的新算法,该算法无需对待识别连续语音进行端点检测和分割,通过直接对特征提取后的连续语音进行动态搜索,得到待识别连续语音到各类训练网络的距离随时间变化的曲线,通过动态搜索距离曲线上谷值的大小来判断识别结果.通过对小词汇量、不同语速条件下的连续语音的测试,得到了良好的识别结果,验证了此方法的有效性.     

基于全信息自然语言理解的语音识别后文本处理

将全信息(自然语言的语法、语义和语用信息)自然语言理解应用到可靠语音功能的研究中，提出在语音识别之后增加一个全信息自然语言理解的文本后处理功能，通过深入分析词语的语法信息（位置、识别稳定度）、语义信息（语句目标含义）和语用信息（语境和谐度）对语音识别结果语句进行评估、检错和纠错，最终输出优化语句。实验结果表明，增加全信息自然语言理解后处理可使识别正确率获得较好改善。     

机器人语音控制及其实现

研究语音识别技术在机器人控制系统中的应用，采用了以LPC倒谱系数为特征矢量的模板匹配法来对有限的词汇量进行识别，将识别结果转换成命令并通过串口发送给机器人以控制其运动，实现了机器人的语音控制。     

语音信息查询虚拟仪器的设计

在虚拟仪器开发软件LABVIEW平台上,利用LABVIEW和MATLAB混合编程,通过声卡获得原始语音信号,经过小波消噪处理、预加重处理和端点检测处理得到干净的语音信号,提取语音信号的美尔频率倒谱系数及其一阶、二阶差分系数作为语音识别的特征参数,通过矢量量化（VQ）与隐马尔可夫模型（HMM）实现非特定人连续语音的训练与识别,构建了基于LabVIEW平台的连续语音识别系统．实验表明,系统的识别速度较快,识别率达到90％左右,而且成本比较低廉,具有一定的应用价值．     

一种小词汇量快速语音识别系统的实现

介绍了一种小词汇量的语音识别方法。在传统的DTW语音识别的基础上,通过放宽端点、对路径进行斜率限制和改进局部路径限制等方法,使系统能够实现快速的识别响应,尤其是对于小词汇量和特定人识别,可以有效地提高响应速度和识别率。     

基于无抽样小波包变换的语音增强方法

非均匀临界频带与人耳对固有语音的频率感知特性十分相似,并且可在听觉感知上近乎完美地使信号进行重构.文章基于此提出了一种新的语音增强方法.该方法首先采用易于计算的无抽样离散小波包(UDWP)模拟人耳的听觉特性滤波器组对带噪语音进行分解;其次在语音信号的子带层次上用一种类似于软阈值的无穷阶可导的函数进行阈值处理;最后应用谱减法进行二次增强.实验结果表明,该方法在有效去除语音噪声的同时可以较大地提高语音的清晰度和可懂度.     

稀疏谱线合成对元音频域信息分布的探讨

一般语音信号的合成分析是采用LPC参数或共振峰等参数,根据选定的误差准则,调整参数,使得原始语音与合成语音二者误差最小,从中分析语音的有关性质.利用稀疏谱线进行傅立叶反变换来合成元音,提取元音信号频谱中的几根或者几十根谱线进行反变换来合成元音,由试听者进行听辨实验,考察合成语音的清晰度,从频域对语音信号中的信息分布进行探讨.给出了实验结果与结论.     

基于信号处理的电话语音模拟

针对电话语料比较缺乏的问题,提出了一种完全由软件模拟实现由纯净语音向电话质量语音转换的算法。该算法采用滤波器设计技术来模拟电话线路连接中各种模拟传输设备频率响应特性,并对电话通道环境中各种噪音行为等电话语音现象进行了模拟研究。频谱失真分析和识别实验结果表明,通过模型参数的合理设置和调整,该算法能有效地实现纯净语音向电话质量语音的近似模拟,使用由纯净数据生成的模拟语音可以获得与真实语音同等的识别性能。     

基于改进双门限法的语音端点检测研究

语音信号的端点检测是语音识别过程中的重要环节,端点检测结果精确与否直接关系着语音识别的准确度。使用车载语音作为测试数据,利用传统双门限法进行端点检测,发现传统双门限方法在静音条件下和带噪条件下获得语音端点检测信息存在较大误差。针对上述问题,提出了一种改进的双门限法进行语音端点检测,针对语音信号以及短时平均能量和过零率进行处理,并通过Matlab进行仿真,实验结果说明提出的改进方法与传统方法相比,在静音和带噪条件下,都更接近测试数据中真正的语音端点。     

小波预处理与语音识别

利用小波的带通性质 ,给出了一种新的小波预处理方法 .实验表明 ,经过小波预处理后提取的特征 ,提高了语音的识别率     

改进的Apriori算法对语音合成中韵律参数的预测

在语音合成系统中,韵律特征参数的描述正确与否直接影响着语音合成系统的输出效果。为了 解决目前语音合成技术中提高合成语音自然度这一难点,研究了数据挖掘技术来发现韵律参数之间的 相互关系。通过改进Apriori算法对这些关系进行规则描述,来解决目前语音合成中缺陷的前后音节的 韵律参数之间的关系。结果表明,经改进后适合语音数据的Apriori算法,可以获得汉语韵律参数中基频 参数和时长参数的变化规则,这些规则较方便的为语音合成系统的选音提供帮助和指导。     

在Visual FoxPro系统中调用Excel实现数字语音辅助校对功能

介绍了语音技术、TTS技术、Excel语音功能以及VisualFoxPro的OLE自动化技术;针对VisualFoxPro系统中数值型数据录入易出错的问题,提出了在VisualFoxPro中利用OLE自动化技术调用Excel对象的语音功能实现数字语音辅助校对的解决方案;给出了在学生成绩管理中实现这一功能的具体步骤和方法.