2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、在語音識別(ASR,Automatic Speech Recognition)領(lǐng)域中運(yùn)用最廣的隱馬爾可夫模型(HMM,Hidden Markov Model)和人工神經(jīng)網(wǎng)絡(luò)(ANN,Artificial Neural Network)這兩種模型各自均有優(yōu)缺點(diǎn)。HMM有極強(qiáng)的動態(tài)建模能力,在處理具有動態(tài)性能的語音信號時有著很好的優(yōu)勢,卻在分類功能上不足。ANN強(qiáng)大的輸入輸出映射能力使得它在處理模式分類與判決的問題上得天獨(dú)厚,然而它對動態(tài)信

2、號處理能力的不足也是不可忽視的。本文提出使用HMM-ANN混合模型來提高信號的處理能力,從而提高ASR系統(tǒng)的識別率。其中,ANN采用了概率神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。
  論文主要完成了以下工作:
 ?。?)總結(jié)ASR的研究現(xiàn)狀和基本原理,比較HMM和ANN兩種模型的優(yōu)點(diǎn)和不足,提出HMM-ANN混合模型,并利用MATLAB軟件分別仿真實(shí)現(xiàn)了HMM、ANN以及HMM-ANN這三種模型下的小詞匯量、孤立漢語的語音識別功能。
 ?。?/p>

3、2)比較了三種模型下語音識別的識別率,實(shí)驗結(jié)果表明,混合模型的識別率最高。
 ?。?)對語音識別的魯棒性進(jìn)行了研究。一方面,端點(diǎn)檢測時提出了改進(jìn)后的檢測算法。在用傳統(tǒng)的雙門限檢測算法前,先用小波閾值去噪原理提高語音信號的信噪比,再進(jìn)行檢測。實(shí)驗結(jié)果證明,在噪聲環(huán)境下,改進(jìn)后的算法表現(xiàn)出更好的抗噪性,即語音識別的魯棒性更好,識別率更高。另一方面,特征提取時提出了改進(jìn)后的提取算法。與傳統(tǒng)的Mel頻率倒譜系數(shù)(MFCC)相比,本文提出的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論