基于HMM的非特定人汉语语音识别系统

设计了基于隐马尔可夫模型(Hidden Markov Model,HMM)的非特定人汉语语音识别系统,主要由录音、训练和识别三大模块构成."录音模块"首先录制一段指定长度的语音信号,然后通过对语音信号的短时能量和过零率进行门限检测,标志出有效语音段并保存."训练模块"利用Baum-Welch算法计算语音样本的MFCC(Mel Frequency Cepstrum Coefficient)参数生成识别用的语音模板."识别模块"利用HMM识别算法比较语音信号和语音模板的相似概率,找到最大值输出,完成语音识别功能.最后,在MATLAB中实现了该语音识别系统.实验结果表明,系统的识别率为60%以上,若结合足够的训练,识别率可以更高.