基于DTW的孤立词语音识别研究和算法改进

DTW算法在实现小词汇表孤立词识别系统时既简单又有效，在特定的场合下获得了广泛的应用。但DTW算法实际应用时有许多缺点，本文对语音识别数学模型DTW作了深入的研究，提出了改进算法。     

孤立词语音识别算法性能研究与改进

文章针对特定人中小字表孤立词语音识别,以提高实用性为目的,对两种常用识别方法(VQ、DTW)的效果及其性能(识别速度和识别率)改善进行分析与探索,并通过对实验数据的讨论,提出了一些有效的改进方法。     

一种基于DTW的孤立词语音识别算法

针对动态时间规整(DTW)对孤立词端点检测准确性过度依赖的问题,针对上述问题,采用放宽端点和限定动态规整计算范围结合的算法,不仅更准确的放松前后端点降低端点检测的敏感度,而且结合对动态规整计算范围的限定,减少计算量,提高执行效率。分别测试了基于传统DTW算法的识别率和改进后DTW算法的识别率。实验结果表明,改进后的算法,能有效提高孤立词识别率。     

孤立词语音识别技术及其应用前景分析

孤立词语音识别技术,采用的是模式匹配法,是语音识别技术的核心之一。首先,用户将词汇表中的每一词依次说一遍,并且将其特征矢量作为模板存入棋板库。然后,将输入语音的特征矢量依次与模板库中的每个模板进行相似度比较,将相似度最高者作为识别结果输出。本文介绍了孤立词语音识别技术的研究现状及几种常见的技术方法,并且分析探讨了孤立词语音识别技术的应用和发展前景。     

孤立词语音识别系统的MATLAB实现

本文建立了一个孤立词语音识别系统,并利用MATLAB的语音工具箱voice box对系统进行了仿真和分析。实验结果表明,对20个孤立词的非特定人识别,准确率在95%左右。     

噪音环境下孤立词的语音识别

噪音环境下的语音识别一直是语音识别的难点，本文采用了谱减法进行去噪，进行孤立词（数字0-9）的识别，提高系统的识别率     

基于PCNN和RBF的孤立词语音识别研究

通过对孤立词语音识别现状的研究,提出了一种利用简化脉冲耦合神经网络PCNN和径向基函数RBF神经网络进行语音识别的新方法.利用语音信号的"可视"特性--语谱图,采用PCNN得到它的时间序列标识图作为语音信号的特征参数,辅以传统的RBF的语音识别方法,实现了孤立词语音识别.仿真结果表明,与其它方法比较,该方法能够达到较高的语音识别率.     

噪音环境下孤立词的语音识别

噪音环境下的语音识别一直是语音识别的难点,本文采用了谱减法进行去噪,进行孤立词(数字0-9)的识别,提高系统的识别率.     

孤立词的语音识别

语音识别主要过程有预处理,包括滤波,加窗,端点检测,分帧,特征提取,以及识别算法。由于端点检测对于孤立词识别来说已经很成熟,本文主要是对MFCC特征提取方法通过动态规划算法进行孤立词的识别。特征提取的过程之中,用到差分方法。     

基于DSP的孤立词语音识别系统的设计

本文提出了基于TMS320VC5402的语音识别系统方案.整个系统以TMS320VC5402为核心电路进行设计,由TLC320AD50C进行A/D转换.由TMS320VC5402识别语音信号,然后和机器人通信,并由AT89S52控制LCD显示识别结果.     

孤立字词识别

本文主要介绍了语音识别的一般方法和策略,对动态时间规整（DTW）算法的基本原理进行了说明,并利用该算法实现了一个简单的非特定人孤立字词识别系统。     

基于片上系统的孤立词语音识别算法设计

介绍了孤立词语音识别系统,针对片上系统进行了语音识别算法的选择。对基于语音帧的端点检测算法、线性预测编码倒谱系数LPCC算法和动态时间规整DTW算法进行了分析和设计。对于新型语音识别SoC芯片的开发研制和推动片上可编程系统(SoPC)的研究与发展具有一定的理论和实践意义。     

基于改进DTW的机器人语音指令识别系统研究

动态时间规整(Dynamic Time Warping)是语音识别中的一种经典算法,该算法简单有效,在实现孤立词识别系统中得到了广泛的应用.为了提高机器人语音识别系统的识别率和识别速度,文中采用了一种改进的DTW语音识别算法.在MATLAB 7.0环境下,对改进的语音端点检测和改进的DTW算法进行仿真实验,实验证明改进的算法提高了识别率,并且减少了识别所用的时间;将该算法移植到机器人上,在安静的环境下进行试验,结果表明机器人能准确而又快速地识别语音内容.最后,得到了改进的语音识别算法能够有效提高识别率和识别速度的结论.     

BP神经网络应用于孤立词语发音识别的研究

介绍了BP神经网络的学习规则和用于语音识别的基本原理,建立了一个用于常用孤立词语音识别的BP神经网络,选择声道反射系数为语音识别的特征值,建立了网络的训练样本集,对网络进行了训练;用MATLAB进行了识别仿真,表明能较好地实现孤立词语音识别.     

联合频谱分析和DTW的双层分类语音识别

阐述了基于动态时间规整DTW（Dynamic Time Warping）语音识别算法的基本原理及存在的不足,提出联合频谱分析和DTW的双层分类语音识别算法,首先用频谱分析方法对待识别语音按字数进行初步分类,然后再用传统的DTW进行模式匹配得到识别结果。通过实验验证提出的算法是有效的,比传统的DTW算法平均速度提高了1.1倍。     

基于DTW的手势识别算法

针对大多数手势识别算法对于形状变化较大的手势鲁棒性不强的现状,提出了一种基于DTW(Dynamic Time Warping)的手势识别算法。论文采用ASL手势数据集作为实验数据,通过图像预处理得到手势的轮廓,再对手势轮廓中心点到轮廓点的距离和轮廓曲率等特征进行提取,最后利用DTW算法寻找规整路径的方法进行识别。实验结果表明,利用DTW算法进行手势识别具有较高的准确率和鲁棒性,识别一幅图像中的手势平均时间小于0.1s,适合于实时手势识别。     

基于DTW的编码域说话人识别研究

相对解码重建后的语音进行说话人识别,从VoIP的语音流中直接提取语音特征参数进行说话人识别方法具有便于实现的优点,针对G.729编码域数据,研究基于DTW算法的快速说话人识别方法。实验结果表明,在相关的说话人识别中,DTW算法相比GMM在识别正确率和效率上有了很大提高。     

基于改进DTW的机器人语音指令识别系统研究

动态时间规整(Dynamic Time Warping)是语音识别中的一种经典算法,该算法简单有效,在实现孤立词识别系统中得到了广泛的应用。为了提高机器人语音识别系统的识别率和识别速度,文中采用了一种改进的DTW语音识别算法。在MATLAB 7.0环境下,对改进的语音端点检测和改进的DTW算法进行仿真实验,实验证明改进的算法提高了识别率,并且减少了识别所用的时间;将该算法移植到机器人上,在安静的环境下进行试验,结果表明机器人能准确而又快速地识别语音内容。最后,得到了改进的语音识别算法能够有效提高识别率和识别速度的结论。     

基于互相关函数的孤立词端点检测算法

提出了基于互相关函数的检测元音的端点检测算法。在语音识别系统中产生错误识别的原因之一是端点检测有误差,在高信噪比情况下,准确地确定语音的端点并不困难,然而在低信噪比情况下,一些常规的端点检测方法,例如基于能量的端点检测方法就不能有效地工作。本文利用互相关函数检测元音的端点,然后根据元音和辅音的能量比一般相对稳定的特点确定出实际语音端点。实验结果表明,本方法可以在不同信噪比下提高端点检测的准确率。