188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
zhaoshangy..

上传于：2015-04-08

粉丝量：0

该文档贡献者很忙，什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于HMM与ANN混合结构的语音识别系统研究

    星级： 60 页

  • 基于HMM模型的语音识别系统研究

    星级： 65 页

  • 基于HMM的嵌入式语音识别系统研究

    星级： 73 页

  • 基于HMM的语音识别系统研究

    星级： 56 页

  • 基于HMM的汉语数字语音识别系统研究

    星级： 76 页

  • 论文：基于 HMM 的视听语音识别系统

    星级： 3 页

  • 基于HMM的孤立词语音识别系统的研究

    星级： 77 页

  • 学术论文：基于HMM的语音识别系统研究(可编辑文本)

    星级： 55 页

  • 基于HMM的稳健语音识别系统研究

    星级： 63 页

  • 【精品】基于HMM的汉语数字语音识别系统研究

    星级： 76 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 基于短时平均幅度和HMM的语音识别系统研究 Study on Speech Recognition System Based on Short-time Average Amplitude and HMM

    下载积分： 1500

    内容提示： 第6期武志翔等．基于短时平均幅度和H M M 的语音识别系统研究779基于短时平均幅度和HMM 的语音识别系统研究武志翔8王顺利8李占锋6邱斌“尚丽平。( 西南科技大学a．信息工程学院；b．制造科学与工程学院；c．教务处，四川绵阳621010)摘要为克服现行语音识别精度不高的缺点，充分利用资源，改进语音识别效率。研究了基于音频波段特征分析的声音检测与分辨方法。方法以不同人对同一字的发音样本中的音频段信号为主要检测组分，研究不同样本的语音特征区别，使用M N P21声音传感器采集音频信号并进行分析。针对不同人的发音样本体系，提出了使用音频波段检测的思路。基于短时平均...

    文档格式：PDF | 页数：4 | 浏览次数：13 | 上传日期：2015-04-08 03:38:10 | 文档星级：
    第6期武志翔等．基于短时平均幅度和H M M 的语音识别系统研究779基于短时平均幅度和HMM 的语音识别系统研究武志翔8王顺利8李占锋6邱斌“尚丽平。( 西南科技大学a．信息工程学院；b．制造科学与工程学院；c．教务处，四川绵阳621010)摘要为克服现行语音识别精度不高的缺点，充分利用资源，改进语音识别效率。研究了基于音频波段特征分析的声音检测与分辨方法。方法以不同人对同一字的发音样本中的音频段信号为主要检测组分，研究不同样本的语音特征区别，使用M N P21声音传感器采集音频信号并进行分析。针对不同人的发音样本体系，提出了使用音频波段检测的思路。基于短时平均幅度优化获得音频信号，进而用隐马尔可夫模型进行识别，设计了语音识别系统。实验结果表明：每人采集10组样本训练，针对五人的不同样本进行多次语音区分，准确率达到100％。关键词语音识别短时平均幅度H M M 语音特征音频中图分类号TH 86文献标识码A文章编号1000．3932( 2013) 06-0779-04随着科技的发展和智能化水平的提高，与人们生活息息相关的考勤、门禁系统提出了越来越高的要求，逐渐脱离随身携带钥匙及卡片等物理设备，而逐步走向通过人自身的特征进行识别的思路¨ 。，研究开发过程中，人体识别技术越来越多的和生物识别技术结合，比较流行的主要是图像识别( 指纹识别、手纹识别及眼纹识别等) 和声纹识别( 特殊口令及语音识别等) ，这两大类方法各自存在相应的优、缺点旧1，其中声音识别最大的问题在于识别分辨率不够高，存在安全隐患，怎样提高识别分辨率成为制约这种方法应用的核心内容。笔者通过一些基础实验研究，确定不同人发声的音频区别，研究语音的基本特征，并针对语音考勤这一具体对象，设计基于短时平均幅度和H M M 的语音识别系统的总体方案，最终实现通过音频方法对不同人单个词“ 到” 发声的判别。系统研究过程中，通过从硬件到软件的研究思路进行逐步测试与改进，最终确定先用检测方案，并达到有效区分的目标。首先，通过不同传感器的测试使用，时域数据的特征稳定性与区分度比较，最终选用M N P21声音传感器进行40kH z的信号采样；其次，针对声音传感器获得的语音信号进行短时平均幅度方法对齐以选出特征声音段，对齐过程中，窗函数选用300个数据点；然后针对获得的5人X 10次的语音数据进行隐马尔可夫模型训练；最后根据训练的模型进行语音的识别。基于短时平均幅度和H M M 的系统模型及其算法短时平均幅度根据声音信号自身的非平稳特征，预处理过程中采用加窗函数及短时平均幅度的方法，实现对有用信号的提取。加窗函数通过改变窗长调试，最终通过选取300点进行粗略确定，再选取50点进行细化对齐的方式实现。对齐依据通过比较短时平均能量、短时平均幅度和短时平均过零率3种预处理方法旧1，发现短时平均能量方法因对电平值过于敏感而不够稳定，短时平均过零率不能够有效表征信号特征，因而选用短时平均幅度的预处理方式，进行有效的特征提取和有效对齐。短时平均幅度用来表征语音幅度的变化情况，求取过程公式为：11．1M 。=∑Iz( ，1) I× W ( n—m )( 1)n=n一Ⅳ+l式中肘。——第n帧的短时平均幅度；Ⅳ——窗函数的长度；w ( n—m ) ——对信号的线性滤波运算；石(n卜第n帧的时域信号。短时平均幅度处理过程如图1所示，通过取收稿日期：2013-01—15( 修改稿)基金项目：国家自然科学基金资助项目( 11176032) ；西南科技大学实验技术研究项目( 13syj s-43)万方数据

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司