基于HMM的特征元素語(yǔ)音幾何建模方法研究與實(shí)驗(yàn)分析.pdf

1、語(yǔ)音識(shí)別技術(shù)在近些年得到了大力發(fā)展，并且語(yǔ)音識(shí)別在汽車工業(yè)、航空航天、信息通訊等領(lǐng)域有著越來越廣泛的應(yīng)用。現(xiàn)階段常用的語(yǔ)音識(shí)別算法主要有動(dòng)態(tài)時(shí)間規(guī)劃算法、隱馬爾科夫算法和人工神經(jīng)網(wǎng)絡(luò)算法。上述幾種算法都存在著計(jì)算量大、識(shí)別時(shí)間長(zhǎng)等不足，并且實(shí)際應(yīng)用中極少有將語(yǔ)音識(shí)別應(yīng)用于工業(yè)設(shè)計(jì)。針對(duì)上述方法中共同存在的不足，本文嘗試了基于元音周期的語(yǔ)音識(shí)別算法，并將語(yǔ)音識(shí)別應(yīng)用于三維幾何建模。該算法根據(jù)元音序列特征進(jìn)行模板匹配，在樣本庫(kù)相對(duì)固定時(shí)可大

2、幅度降低計(jì)算量和識(shí)別時(shí)間。然而本方法準(zhǔn)確率較現(xiàn)有算法（準(zhǔn)確率可達(dá)95％）低，故在實(shí)際應(yīng)用中，本課題仍使用隱馬爾科夫算法進(jìn)行自動(dòng)語(yǔ)音幾何建模。本文為工業(yè)設(shè)計(jì)中的人機(jī)交互方式提供了積極探索，因此，本文具有重要的應(yīng)用價(jià)值。
　　本文以三維建模軟件的自動(dòng)建模為應(yīng)用目標(biāo)，以隱馬爾科夫算法作為語(yǔ)音識(shí)別的代表進(jìn)行研究。圍繞著設(shè)計(jì)自動(dòng)化，本課題研究了“基于HMM的特征元素語(yǔ)音幾何建模方法研究與實(shí)驗(yàn)分析”。本文內(nèi)容主要包括：
　　首先，本文對(duì)

3、動(dòng)態(tài)時(shí)間規(guī)劃算法和隱馬爾科夫算法的語(yǔ)音識(shí)別方法進(jìn)行了研究。研究了上述兩種算法的語(yǔ)音識(shí)別基本原理及相關(guān)技術(shù)，搭建了一個(gè)語(yǔ)音識(shí)別系統(tǒng)，對(duì)兩種算法進(jìn)行仿真，并對(duì)比分析實(shí)驗(yàn)結(jié)果，隱馬爾科夫算法識(shí)別效率高于動(dòng)態(tài)時(shí)間規(guī)劃算法。本課題也對(duì)基于元音周期的語(yǔ)音識(shí)別算法進(jìn)行了試驗(yàn)，結(jié)果表明僅靠元音信號(hào)的概率分布特性難以進(jìn)行區(qū)分，導(dǎo)致用本算法進(jìn)行語(yǔ)音識(shí)別時(shí)正確率低下。故本課題三維建模中的語(yǔ)音識(shí)別環(huán)節(jié)使用隱馬爾科夫算法。
　　其次，本文對(duì)三維建模軟件中特

4、征元素的分類和識(shí)別進(jìn)行了研究。將建模樣本按照長(zhǎng)度進(jìn)行分類，測(cè)試模板進(jìn)入對(duì)應(yīng)長(zhǎng)度樣本庫(kù)進(jìn)行語(yǔ)音識(shí)別。試驗(yàn)結(jié)果表明這種識(shí)別方法會(huì)降低總體正確率。于是本課題進(jìn)行了樣本庫(kù)改進(jìn)，使得語(yǔ)音識(shí)別效率大為提升。本文以三維建模軟件界面中菜單項(xiàng)坐標(biāo)作為其幾何特征，通過數(shù)據(jù)通信，使語(yǔ)音識(shí)別結(jié)果與幾何特征之間一一映射，以實(shí)現(xiàn)對(duì)建模軟件的語(yǔ)音控制。
　　最后，本課題搭建了一個(gè)語(yǔ)音自動(dòng)幾何建模原型系統(tǒng)，該原型系統(tǒng)的主要任務(wù)是完成對(duì)Pro/E軟件的語(yǔ)音控制。本