基于多特征參數(shù)混合語音識別系統(tǒng)研究與實現(xiàn).pdf

1、近年來，隨著科學(xué)技術(shù)的迅猛發(fā)展，語音識別技術(shù)被廣泛應(yīng)用于各行各業(yè)。本文在分析和總結(jié)前人研究的基礎(chǔ)上，提出了基于多特征參數(shù)混合的研究思路，以此來解決在識別率和魯棒性方面存在的問題。由此可見，如何提取高效全面完整的語音特征信息成了本文研究的重點。具體研究內(nèi)容如下：
　　1.簡單了解了語音識別的發(fā)展現(xiàn)狀，結(jié)合識別模型分析了系統(tǒng)組成結(jié)構(gòu)及其原理，并對涉及的算法進行了數(shù)學(xué)推導(dǎo)和實驗仿真，同時比較了常用語音識別算法的優(yōu)劣。
　　2.重點

2、研究了時域和頻域特征參數(shù)的提取算法以及參數(shù)混合方法。常用的時域和頻域特征參數(shù)包括短時過零率，基音周期，短時能量，以及線性預(yù)測倒譜系數(shù)（LPCC），梅爾倒譜系數(shù)（MFCC），伽馬通濾波器系數(shù)（GFCC）等。針對以上每個參數(shù)給出了詳細(xì)的提取算法，并比較和分析了各參數(shù)的優(yōu)缺點，在綜合發(fā)聲機理和人耳聽覺特性的基礎(chǔ)上，提出了時域和頻域參數(shù)混合的方法。然后對主成分分析（PCA），K-means聚類，F(xiàn)isher準(zhǔn)則等數(shù)據(jù)降維方法做了簡單推導(dǎo)，依照各

3、參數(shù)特點，提出了兩種混合方案：第一種是PCA與K-means相結(jié)合或者單獨使用的方案，第二種是Fisher與K-means相結(jié)合或者單獨使用的方案。最終用MATLAB完成對各特征參數(shù)提取算法和混合方法的仿真，實驗表明，在不同信噪比下，第一種混合方案混合特征參數(shù)比單一參數(shù)平均識別率高2.6個百分點，第二種方案高4.1個百分點，但二者的運行時間并無較大差異。
　　3.仿真了整個系統(tǒng)，證明了混合算法的可行性，尤其對比了兩種混合方案下基于