用反馈式语音识别理解方案进行汉语短语的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语单单节转换成正确的汉字，词乃至汉语的短语，语句，与误音识别系统一起，完成一个语音到文本（ｓｐｅｅｃｈｔｏｔｅｘｔ）的转换系统，本文利用一个闭环反馈方式汉语语音识别理解方案，在汉语词识别理解的基础上，进一步实现时汉语结构性短的识别理解，获得了预期的结果，最后本文对实验结果和反馈式语音识别理解方案进行了讨论。     

语音识别的非线性方法

语音信号是一个复杂的非线性过程，这使得基于线性系统理论发展起来的传统语音识别技术性能难以进一步提高。近年来人们开始逐渐重视非线性在语音识别技术中的应用，本文概括地介绍了非线性理论在语音识别技术中的所取得的成果和发展方向，除了涉及较为流行的隐马尔柯夫过程和人工神经网络在语音识别中的应用外，文中着重论述了近年来发展迅猛的混沌，分形理论在语音识别中的应用，本文最后还提到不可忽视的分形理论在语音编码中的应     

毫米半径麦克风阵列语音分离系统

随着语音技术的发展，越来越多语音处理系统尝试应用于现实生活。然而在实际场景中，噪声干扰是一个影响语音识别等任务准确率的重要因素。为了克服噪声问题并提升性能，需设计语音分离或增强模块。文中通过结合波束成形与神经网络设计了在毫米半径麦克风阵列场景下的语音分离系统并在语音识别任务上进行了测试。实验显示文中设计的系统对语音识别准确率有一定帮助。该方法可以应用于设备空间受限的场景中以提高性能。     

语音信号的情感特征分析与识别研究综述

语音情感的分析与识别是近年来新兴研究课题之一，本文介绍了近几年来国内外语音情感识别的状况，阐述了各种人类情感分类的方法，归纳了各种语音特征参数的提取方法以及各特征参数对情感识别的意义，在此基础上综述了国内外在情感识别领域的研究进展与主要识别建模方法，同时总结了各种识别建模方法的利弊。最后概括了语音情感识别领域的发展趋势，并进行了展望。     

基于语音识别技术和蓝牙技术的数字化家庭综合设计

语音识别技术是让机器通过识别和理解过程把语音信号转变为相应的文本或命令，其识别过程与人对语音识别处理过程基本上是一致的，包括语音特征提取、声学模型与模式匹配（识别算法）、语言模型与语言处理三个部分。     

用反馈式语音识别理解方案进行汉语地名的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语音节转换成正确的汉字，与汉语语音识别系统一起，完成一个语音-文本（SpeechtoText）的转换系统。本文利用一个有别于语音理解传统方法（1．语言学方法[1]，2．统计学方法[2])的新的反馈式语音理解方案进行汉语地名的识别理解，获得了很好的实验结果。本文最后对实验结果和反馈式语音识别理解方案进行了讨论。     

由语音识别电路实现的语音拨号电话

由语音识别电路实现的语音拨号电话武汉华中理工大学周云波林家瑞语音集成电路在我国已经得到了大量应用，但主要是用于语音记录，而语音识别电路至今使用仍不够广泛。珠海特思高电子公司ＴＳＧ１１０可以识别１０个语音，因而可用于识别０～９这１０个数字，将它与语音拨...     

语音电路及语音识别

本文阐述了语音电路及其研制，并简介了语音识别原理。     

语音识别与理解的研究进展

本文综述了当前语音识别理解的发展趋势和最新进展。指出美国在不依说话人的大词汇表的连续语音隐马尔柯夫模型识别方面起主导地位,日本在大词汇表的连续语音神经网络识别、模拟人工智能进行语音后处理方面起主导地位,并介绍了国际上最优秀的语音识别理解系统。     

基于MFCC0的语音端点检测方法

MFCC是语音识别中常用的特征参数，根据MFCC分量对语音端点的敏感性，提出利用平常舍去的识别特征参数分量MFCC0作为语音端点检测的参量．接着根据MFCC0的特性设计了一种新的端点检测方法，该方法简单且无需增加额外的计算量．实验结果表明，基于该方法的语音识别系统不仅可以通过端点检测大大压缩数据量，而且提高了系统的识别率．     

基于局域网上的分布式语音识别系统

近年来随着网络和语音处理技术的快速发展。分布式语音识别（DSR）成为语音处理的一个研究方向，与传统集中语音识别不同的是：它基于Client/Server模型，在Client端进行参数的提取，然后通过信道传送到Server端进行识别，把结果送回到Client端。文中介绍基于LAN所设计的DSR系统。     

正反向隐马尔可夫模型及其在连续语音识别中的应用

本文针对语音信号中客观存在的正、反向依赖特性，明确提出了用条件概率的概念来定量表述语音信号的这种正、反向的马尔可大依赖关系，提出了描述语音信号这种正反向依赖关系的正反向隐马尔可夫模型（ＨＭＭ），并用实验证明了仅仅利用语音反向依赖关系语音识别同样也能获得相当可观的识别性能。接着，本文针对孤立字和连续语音两种不同的识别任务，研究了在语音识别中同时利用这两种依赖信息的方法，并提出了一种连续语音识别中的新的搜索算法──正反向分半混合搜索。这种方法利用基于正向ＨＭＭ的正向Ｖｉｔｅｒｂｉ搜索和基于反向ＨＭＭ的反向Ｖｉｔｅｒｂｉ搜索的中间结果来有效地结合正反向依赖信息，实验证明正反向分半混合搜索方法确实一致地优于单用任何一种依赖信息的单向搜索识别方法。     

正反向隐马尔可替模型及其在连续语音识别中的应用

本文针对语音信号中客观存在的正、反向依赖特性，明确提出了用条件概率的概念来定量表述语音信号的这种正、反向的马尔可夫依赖关系，提出了描述语音信号这种正反向依赖关系的正反隐马可夫模型，并实验证明了仅仅利用语音反向依赖关系语音识别同样也能获得相当可观的识别性能。     

从ViaVoice看语音识别趋势

电脑文字录入技术领域充满了竞争，几年来，各种汉字编码争先恐后地问世，并且均声称自己“掌握简便”、“速度很快”。而在另一方面，语音识别技术却不声不响地投入了这场战斗。尽管目前该技术尚不完善，但其最终目标是将人们自由发出的语音正确地变换为一串文字。它毕竟代表了这一领域未来的发展方向，因而有着极强的生命力，人们有理由关注这项技术的发展。本文介绍美国IBM公司于1998年先后推出的IBMViaVoice两个版本的特点，从中或许可以看出语音识别技术目前的进展及未来趋势。1．ViaVolce4．0中文版应当说语音识别技术并不是这两…     

藏语拉萨语LPC语音参数提取研究

藏语语音参数提取是藏语语音识别的关键技术之一,参数提取的精确度直接影响语音识别的效果。线性预测系数(LPC)是语音信号的重要频域参数,是目前语音信号处理过程中比较重要的处理技术,广泛应用于语音压缩、语音声学建模、语音合成、语音识别等过程中。首先介绍了线性预测算法原理,然后提出了藏语语音LPC参数提取的方案,最后在Matlab平台上实现了藏语语音LPC参数的提取和仿真分析,研究结果对完善藏语语音合成技术和提高藏语语音识别效率有一定的研究参考价值。     

用反馈式语音识别理解方案进行汉语短语的识别理解

汉语语音理解系统的任务之一是把语音识别系统获得的汉语单音节转换成正确的汉字、词,乃至汉语的短语、语句,与语音识别系统一起,完成一个语音到文本(speech to text)的转换系统。本文利用一个闭环反馈方式汉语语音识别理解方案,在汉语词识别理解的基础上,进一步实现对汉语结构性短语的识别理解,获得了预期的结果。最后本文对实验结果和反馈式语音识别理解方案进行了讨论。     

语音IC：功能多价格稳市场大

语音IC包括语音合成和语音识别两大类。近年来,语音处理技术,特别在语音识别软件上进展较大,不断推出了应用于音响系统、录/重放设备、通信设备和控制器等方面具有更多功能的语音IC,使其最终用户市场日益扩展。     

应用于语音识别片上系统的语音检测算法

语音识别技术的研究已经进入实用化阶段，而实用化语音识别系统中的一个关键技术就是可靠的语音检测。本文提出了一种基于有限状态机模型的实时语音检测算法(FSM-SD)。采用对数最大似然判决帧能量检测器和过零率检测器控制各状态之间的跳转关系。针对语音识别中的MFCC(Mel频标倒谱系数)和LPCC(线性预测倒谱参数)特征提取过程，分别得到两种不同的帧能量计算方法。将FSM-SD应用到在OAK DSP上实现的小词表汉语语音识别系统，通过实验验证了其对系统识别性能和噪声稳健性的有效保证。     

语音识别技术在手机中的应用

语音识别是以语音为研究对象,通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门涉及面很广的交叉学科,它与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切的关系。语音识别技术正逐步成为计算机信息处理技术中的关键技术,语音技术的应用已经成为一个具有竞争性的新兴高技术产业。     

鲁棒性语音识别技术研究综述

鲁棒性语音识别是为了解决噪声环境和混响环境等外界因素所引起的语音识别系统训练和识别不匹配的情况,针对在噪声和混响条件下进行鲁棒性语音识别的问题,对现有的鲁棒性语音识别研究进行了总结,阐述了语音识别的主要流程和整体框架;从特征提取和声学建模两个方面对语音增强技术、语音分离技术进行介绍;分析鲁棒性语音识别技术主要难点和实现过程。最后对鲁棒性语音识别技术进行总结和展望。