語音識別關鍵技術(shù)及其改進算法研究.pdf

1、語音識別技術(shù)是計算機技術(shù)研究的一個重要領域,具有極大的研究價值和廣泛的應用前景。但是現(xiàn)今的語音識別系統(tǒng)大多還局限于實驗室,盡管已有一些產(chǎn)品進入市場,但是其使用效果距離人們期望的水平還有較大的差距。
　　本文緊緊抓住語音識別系統(tǒng)中識別效率和識別率兩個關鍵因素,按照語音識別的流程,對語音識別中的關鍵技術(shù)進行了深入研究。
　　首先,論文在介紹了語音識別的基本原理和流程框架后,又分析了語音信號產(chǎn)生的數(shù)學模型以及語音信號的預處理問題,

2、并針對傳統(tǒng)端點檢測算法的不足,提出了一種新的基于圖像邊緣檢測技術(shù)的端點檢測方法。實驗結(jié)果表明,新的端點檢測方法使檢測準確率提高了18.6％,優(yōu)于傳統(tǒng)的檢測方法。
　　其次,論文介紹并討論了幾種常用的語音特征參數(shù)的特點和提取過程,在深入分析MFCC參數(shù)的基礎上,對其進行了特征加權(quán)、差分、PCA降維等處理,獲得了一種新的改進型的MFCC參數(shù)。實驗證明,新的特征參數(shù)增強了語音識別系統(tǒng)的魯棒性,在三種不同噪聲環(huán)境下的平均識別率較傳統(tǒng)的 L

3、PCC參數(shù)和 MFCC參數(shù)分別提高了9.2%和4.3%,平均訓練時間分別縮短了18.2%和11.5%。
　　再次,本文重點研究了基于HMM的語音識別技術(shù)。正是由于HMM在語音識別中的應用,才推動了語音識別技術(shù)的飛躍式發(fā)展,同時HMM技術(shù)也是目前應用最為廣泛的一種語音識別的建模技術(shù)。針對傳統(tǒng)HMM模型的初始化方法過于簡單和粗糙的缺點,本文提出了一種改進的HMM模型的初始化方法。實驗結(jié)果表明,新的初始化方法使得HMM模型的平均訓練時間