小词表实时语音识别系统的定点DSP实现

主要介绍一种基于定点数字信号处理器DSP芯片(TMS320VC5402)的小词表实时语音识别系统。该系统体积小，成本低，可扩展性好，方便应用于许多特定场合，如：门禁控制系统等，对于100词以内的特定人语音，识别的准确率超过95％。     

一个基于DTW算法的语音识别系统

本文在ＷＩＮＤＯＷＳ９８平台上－基于ＤＴＷ算法，实现了６４个汉族词汇的语音识别系统。文章阐述了整个语音识别系统原理和算法的实现过程，并对其中一些算法进行了进行了改进，对如何进一步提高系统的性能作了许多探讨。     

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DTW算法的语音识别电话系统

介绍了动态时间伸缩算法在语音识别电话系统中的应用。阐述了语音识别电话系统的硬件结构及算法在该系统的实现过程。     

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。     

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。     

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.     

简单语音识别系统的设计实现

针对现有简单语音识别系统的识别率较低、识别速度较慢的问题,在对语音识别原理研究的基础上,对DTW语音识别算法进行了改进,使得简单语音识别系统能够准确、快速的进行识别。     

DTW的ASIC实现算法研究

通过分析DTW算法，提出了一种适合ASIC实现的心动阵列结构。仿真结果表明，该并行VLSI处理器阵列系统能够在N M-1个时钟周期内计算出两个模板的匹配加权距离。较之基于通用处理器串行实现的DTW算法需要的3pMN／2个时钟周期，该算法节省了大量的运算时间。     

基于DTW算法语音识别系统的仿真及DSP实现

DTW（DynamicTimeWarping）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。采用谱减法进行前端去噪处理,利用Matlab对语音识别系统进行了仿真,并设计了一种以16位数字信号处理器TMS320VC5509为核心的孤立词语音识别系统。实验结果表明,系统能满足实时性能要求,识别效果良好。     

基于PCNN和DTW的语音识别系统设计

提出了一种基于脉冲耦合神经网络(PCNN)和动态时间规整(DTW)的语音识别方法。首先利用改进后的PCNN提取语谱图图像特征作为语音的特征参数,然后通过DTW来进行语音分类识别。实验表明,论文中所提出的方法与传统的LPCC和MFCC方法相比,所需特征参数量减少约40%,并能达到87.5%识别率,利于系统的硬件实现。     

基于小词汇表语音识别技术的运动控制系统

简要介绍语音识别的原理,基于TMS320LF2407系列16位DSP,设计语音端点检测算法,采用人工耳蜗模型提取语音特征参数,采用改进型动态时间弯折(DTW)算法实现语音参数模板匹配,设计能够实现小词汇表、非特定人、孤立词识别的语音识别系统。并将该语音识别系统应用到运动控制中,试验结果表明,系统正确识别率在93%,具有一定的实用价值。     

孤立词语音识别算法研究与设计

语音识别在非接触式控制系统中的应用普遍,基于数字化平台的孤立词语音识别技术是一项重要的研究方向。文中介绍了短时能零差断点检测算法,采用MEL频率倒谱系数特征参数提取算法和动态时间规整的模型匹配方法,并用Matlab进行仿真,仿真结果表明,系统具有较强的实时性和较高的识别率。     

基于自组织神经网络的数字语音识别

提出一种基于自组织神经网络的数字语音识别模型。首先用基于小波变换和线性预测的特征提取方法提取语音信号特征，用自组织神经网络进行识别判决。这种语音识别方法适合于小词汇量的孤立词识别，网络结构简单，所需训练数据十分的少，实时性能好。用MATLAB进行仿真实验，识别率达到98%。     

基于CHMM的语音识别仿真系统实现

介绍了一种基于连续M元高斯混合密度的隐马尔可夫模型（HMM）的非特定人孤立词语音识别仿真系统。通过研究模型状态数、训练时间以及特征参数选取对语音识别率的影响,得出HMM状态数取4,训练次数为20次,特征参数选取48维LPCC和MFCC的混合参数,可使语音识别系统对于汉语孤立词的识别率达到90％。     

MATLAB下的基于HMM模型的语音识别技术的实现

HMM模型(隐含马尔科夫模型)由于对时间序列结构具有较强的建模能力.而逐步成为主流的语音识别技术.该文首先深入浅出地概述了基于HMM的语音识别技术,然后介绍了三个基本问题,最后在MATLAB下实现了孤立词语音识别系统.