语音识别系统的硬件设计

分别从系统总体设计、系统硬件等方面详细研究基于ARM的语音识别系统。阐述基于一款ARM9微处理器(s3c2410)的嵌入式语音识别系统的解决方案,硬件部分主要包括电源部分、复位部分、时钟电路等。     

玩具娃娃语音识别系统

采用语音识别进行人机交互是人类进行信息交换的一种最有效的方式。本文首先介绍了语音识别技术的原理,并采用AVR单片机和LD3320语音识别芯片设计了一种玩具娃娃语音识别系统。该系统所用器件少,语音资源可刷新,具有很大的灵活性和扩展性。     

基于ARM的嵌入式语音识别系统研究

在分析语音识别原理的基础上设计了一个基于ARM9和嵌入式Linux的嵌入式语音识别系统采用隐马尔可夫（HMM）算法对语音信号进行特征参数序列比较并识别出结果。语音识别子系统由ARM和DSP芯片为核心,配合其他功能电路,能够独立完成语音识别的工作．     

DELPHI实现电话语音应答系统

介绍DELPHI实现板卡式招生电话语音应答系统的方法,并详细描述动态链接库的导入、自动语音应答功能模块和语音应答流程方案编辑模块的实现过程。该系统经过应用,证明效率高,性价比高,具有一定的可推广性。     

噪声环境下照明语音识别系统的研究与设计

本文基于STC单片机研制了一款语音识别系统。该系统分为接收电路和发射电路。工作时,发射电路上的光敏采集模块采集周围环境光线亮度,光线低于设定阈值,系统响应外界语音命令,单片机将读取的灯光编码通过无线模块发送。接收电路接收控制信号,读取数据后,控制相应灯开关。整个过程中,执行命令通过相关显示设备进行用户展示,直观、操作简易,实现了智能控制。     

语音识别系统的设计与实现

对语音信号进行预处理,包括预滤波、采样、量化、分帧、加窗以及端点检测等内容:采用能够反映人对语音信号的感知特性的Mel频率倒谱系数作为语音信号的特征参数:应用目前在语音识别中广泛应用的技术——动态时间规整技术作为识别算法。测试结果表明,利用该技术进行语音识别,准确率可达到95%以上,识别效果良好。     

利用语音的频谱空间特征进行汉语抗噪语音识别的方法

抗噪连续语音识别是当前汉语连续语音识别的重要研究领域。采用通过度量连续语音帧之间频谱的稳定性,将连续语音切分成份,再将切分结果(无论时间长短)变换为与时间无关的大小固定的频谱空间特征,通过与模板库进行比较实现语音识别。新的频谱空间特征,与语音时长无关,同时表现出较好的抗噪声能力。在特定人连续语音识别测试系统中,取得了不错的识别效果。     

IP电话及IP电话计费器的检定

一、IP电话简介IP电话,更准确地说应该是数据网络电话。IP(Internet Protocol)本来只是Internet的网络层协议和重要的技术基础。由于它代表了无连接通信方式的本质特性,成为区别于传统通信方式的基本标志。语音信息由固定电话或手机通过本地程控交换机或移动交换机进入因特网并转换成数字信号,以一个个数据包的形式在因特网中传输。这是一个路由器加专线(光缆)的存储转发型网络。IP协议实质上     

基于电视机智能语音控制的研究

智能时代已经来临,但是如何让电视机智能化目前仍是一个热门的课题。从本地服务到云端服务,从2D界面到3D界面,从按键操作到手势操作和语音操作等等,这些都是人们在电视机智能化过程中所做的努力。而本文将重点讲述智能语音控制技术在电视机中的研究和应用。     

神经网络方法及其在语音识别中的应用

讨论了神经网络技术用于汉语语音信号的端点检测，声，韵母分离、非线性特征抽取和大字表识别的方法，描述了系统实现框图并给出了应用实例。     

Automatic speech recognition

Speech recognition, which remained on the fringes of commercial interest for many years, came into prominence recently due to the support extended to this research area by the Advanced Research Projects Agency of theusa. More recently, this area of research has received added impetus due to the priority assigned to the development of fifth generation computers by Japan and several other countries of the world and the importance of speech input/output systems therein. India has a long tradition of good quality work in this area. In this paper, we present a brief overview of different aspects of automatic speech recognition research and present the state-of-the art in this area. We cover the world trends in this area of research, with special attention to work done in India.     

低信噪比环境下的语音识别方法研究

单通道语音信号在信噪比较大的环境下经过增强后再识别,能表现出较高的识别率。但是在低信噪比环境下,增强后语音信号的识别率急剧下降。针对此种情况,提出了一种用在识别系统前端的语音增强算法,该增强算法将采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimum Mean Square Error,Log MMSE)提高其信噪比,然后再利用改进的维纳滤波去除噪声残留并提升语音可懂度,最后用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)和隐马尔科夫模型(Hidden Markov Model,HMM)对增强后的语音信号做特征提取并识别。实验分析结果表明,该方法能有效地抑制背景噪声并减少噪声残留,显著提升低信噪比环境下语音识别的准确性。     

基于双耳语音分离和丢失数据技术的鲁棒语音识别算法

鲁棒语音识别技术在人机交互、智能家居、语音翻译系统等方面有重要应用。为了提高在噪声和语音干扰等复杂声学环境下的语音识别性能,基于人耳听觉系统的掩蔽效应和鸡尾酒效应,利用不同声源的空间方位,提出了基于双耳声源分离和丢失数据技术的鲁棒语音识别算法。该算法首先根据目标语音的空间方位信息,在双耳声信号的等效矩形带宽（Equivalent Rectangular Bandwidth,ERB）子带内进行混合语音信号的分离,从而得到目标语音的数据流。针对分离后目标语音在频域存在频谱数据丢失的问题,利用丢失数据技术修正基于隐马尔科夫模型的概率计算,再进行语音识别。仿真实验表明,由于双耳声源分离方法得到的目标语音数据去除了噪声和干扰的影响,所提出的算法显著提高了复杂声学环境下的语音识别性能。     

融合人脸表情的手语到汉藏双语情感语音转换

针对聋哑人与正常人之间存在的交流障碍问题,提出了一种融合人脸表情的手语到汉藏双语情感语音转换的方法。首先使用深度置信网络模型得到手势图像的特征信息,并通过深度神经网络模型得到人脸信息的表情特征。其次采用支持向量机对手势特征和人脸表情特征分别进行相应模型的训练及分类,根据识别出的手势信息和人脸表情信息分别获得手势文本及相应的情感标签。同时,利用普通话情感训练语料,采用说话人自适应训练方法,实现了一个基于隐Markov模型的情感语音合成系统。最后,利用识别获得的手势文本和情感标签,将手势及人脸表情转换为普通话或藏语的情感语音。客观评测表明,静态手势的识别率为92.8%,在扩充的Cohn-Kanade数据库和日本女性面部表情(Japanese Female Facial Expression,JAFFE)数据库上的人脸表情识别率为94.6%及80.3%。主观评测表明,转换获得的情感语音平均情感主观评定得分4.0分,利用三维情绪模型(Pleasure-Arousal-Dominance,PAD)分别评测人脸表情和合成的情感语音的PAD值,两者具有很高的相似度,表明合成的情感语音能够表达人脸表情的情感。     

基于矩阵体积度量的二维PCA人脸识别

本文提出一种符合高维几何空间理论的矩阵体积度量分类准则用于人脸识别.基于二维PCA的人脸识别方法主要研究的是特征提取部分,对后继的分类识别研究不多.基于二维PCA的人脸识别方法中典型的分类准则是比较特征向量的欧氏距离,而新方法比较的是矩阵的体积.在ORL和AR人脸库上的实验表明,所提出的矩阵体积度量较传统距离度量分类准则更有效.     

Maximum confidence measure-based dual-microphone beamforming direction and beamwidth steering algorithm for robust speech recognition

This paper proposes a maximum confidence measure-based closed-loop dual-microphone beamforming direction and beamwidth steering algorithm to facilitate robust speech recognition. This technique involves feeding back the confidence measure reported through a back-end speech recognizer, automatically steering a front-end microphone array to optimally identify the correct speaker direction and array beamwidth. The technique enables users to move around freely and directly improves overall system performance. The experimental results from a voice command task show that the proposed approach demonstrated superior performance.     

高声强声源及其应用

本文介绍了４种高声强声源：１．单孔旋转阀；２．带中心杆的哈特曼发声器阵；３．喷流点声源；４．喷流反馈旋转发声器。本文还给出４种声源的用途，即分别应用于：１．流动管道中有限振辐波的传播研究；２．进气道吸声内衬的声阻抗测量技术；３．风洞声学环境的研究；４．利用高强的能来清灰除尘。     

一种新型的语音分析编辑合成系统

作者根据语音研究的需要，研制了一套集语音采集，分析，合成，修改，比较，放音、调整为一体。通过参数修正，中值平滑，Ｈａｎｎｉｎｇ窗滤波，鼠标画线式，数值直接修改参数的语音分析，编辑，合成系统。该系统对语音研究来说，可以大大地缩短分析合成时间，提高效率，探导各种参数的作用，各种分析合成方法的优劣，对整个语音的研究有其使用价值。本文通过语音分析编辑合成系统的结构，功能，应用３个部分来介绍这套系统。     

Fuzzy clustering based parameter clustering method in mandarin speech recognition

Abstract

In a large vocabulary continuous speech recognition system, to efficiently decrease parameter size and improve the robustness of parameter training, a parameter clustering method by fuzzy clustering is proposed. Based on the structure of the phonetic decision tree, leaf nodes are used for Gaussian clustering and root nodes or shallow leaf nodes are used for covariance sharing. Experimental results show that when the number of Gaussians is reduced by 50%, recognition accuracy only decreases by 0.55%. By combining fuzzy covariance sharing, a total of 4.16% in recognition increase is achieved over the conventional system with approximately the same parameter size.