检测技术与自动化装置专业毕业论文检测技术与自动化装置专业毕业论文 精品论文精品论文 基于基于 HMM/ANNHMM/ANN混合模型的语音识别系统研究混合模型的语音识别系统研究关键词：语音识别关键词：语音识别 人工神经网络人工神经网络 HMMHMM 模型模型 ANNANN 模型模型 子带分析子带分析摘要：本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识 别系统走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论， 包括系统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上， 分析了隐马尔科夫模型和径向基神经网络各自的优点和不足之处，提出了 HMM 和 ANN 模型结合用于语音识别的必要性，并对两者常用的各种结合方式进行了 总结。 根据人类的听觉感知机理，本文引入子带分析方法，提出了一种新的 多特征子带 HMM/ANN 混合模型，该方法采用了与以往子带语音识别不同的结合 方式，并采用子带特征和全带特征两种特征参数，首先分别对多个子带特征和 一个全带特征建立 HMM 模型，然后用 RBF 神经网络对这些 HMM 模型的识别结果 进行融合判决。为了检验算法的有效性，针对非特定人汉语数字孤立词识别， 在 MATLAB7.0 环境下对本文提出的多特征子带 HMM/ANN 混合模型进行了仿真实 验，分析了采用不同的特征参数、子带数目对识别结果的影响，并对传统的混 合模型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。 结果表明：该方法与传统方法相比不仅具有更好的抗噪性能，而且同时能提高 无噪声情况下的识别性能。本文最后针对语音识别的硬件实现问题，采用 TI 公 司的 DSP 芯片 TMS320VC5509，设计了一套基于定点 DSP 的语音识别系统，该系 统功耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语 音识别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。正文内容正文内容本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识别 系统走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论，包 括系统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上，分 析了隐马尔科夫模型和径向基神经网络各自的优点和不足之处，提出了 HMM 和 ANN 模型结合用于语音识别的必要性，并对两者常用的各种结合方式进行了总 结。 根据人类的听觉感知机理，本文引入子带分析方法，提出了一种新的多 特征子带 HMM/ANN 混合模型，该方法采用了与以往子带语音识别不同的结合方 式，并采用子带特征和全带特征两种特征参数，首先分别对多个子带特征和一 个全带特征建立 HMM 模型，然后用 RBF 神经网络对这些 HMM 模型的识别结果进 行融合判决。为了检验算法的有效性，针对非特定人汉语数字孤立词识别，在 MATLAB7.0 环境下对本文提出的多特征子带 HMM/ANN 混合模型进行了仿真实验， 分析了采用不同的特征参数、子带数目对识别结果的影响，并对传统的混合模 型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。 结果 表明：该方法与传统方法相比不仅具有更好的抗噪性能，而且同时能提高无噪 声情况下的识别性能。本文最后针对语音识别的硬件实现问题，采用 TI 公司的 DSP 芯片 TMS320VC5509，设计了一套基于定点 DSP 的语音识别系统，该系统功 耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语音识 别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。 本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识别系统 走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论，包括系 统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上，分析了 隐马尔科夫模型和径向基神经网络各自的优点和不足之处，提出了 HMM 和 ANN 模型结合用于语音识别的必要性，并对两者常用的各种结合方式进行了总结。 根据人类的听觉感知机理，本文引入子带分析方法，提出了一种新的多特征子 带 HMM/ANN 混合模型，该方法采用了与以往子带语音识别不同的结合方式，并 采用子带特征和全带特征两种特征参数，首先分别对多个子带特征和一个全带 特征建立 HMM 模型，然后用 RBF 神经网络对这些 HMM 模型的识别结果进行融合 判决。为了检验算法的有效性，针对非特定人汉语数字孤立词识别，在 MATLAB7.0 环境下对本文提出的多特征子带 HMM/ANN 混合模型进行了仿真实验， 分析了采用不同的特征参数、子带数目对识别结果的影响，并对传统的混合模 型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。 结果 表明：该方法与传统方法相比不仅具有更好的抗噪性能，而且同时能提高无噪 声情况下的识别性能。本文最后针对语音识别的硬件实现问题，采用 TI 公司的 DSP 芯片 TMS320VC5509，设计了一套基于定点 DSP 的语音识别系统，该系统功 耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语音识 别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。 本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识别系统 走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论，包括系 统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上，分析了 隐马尔科夫模型和径向基神经网络各自的优点和不足之处，提出了 HMM 和 ANN 模型结合用于语音识别的必要性，并对两者常用的各种结合方式进行了总结。 根据人类的听觉感知机理，本文引入子带分析方法，提出了一种新的多特征子带 HMM/ANN 混合模型，该方法采用了与以往子带语音识别不同的结合方式，并 采用子带特征和全带特征两种特征参数，首先分别对多个子带特征和一个全带 特征建立 HMM 模型，然后用 RBF 神经网络对这些 HMM 模型的识别结果进行融合 判决。为了检验算法的有效性，针对非特定人汉语数字孤立词识别，在 MATLAB7.0 环境下对本文提出的多特征子带 HMM/ANN 混合模型进行了仿真实验， 分析了采用不同的特征参数、子带数目对识别结果的影响，并对传统的混合模 型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。 结果 表明：该方法与传统方法相比不仅具有更好的抗噪性能，而且同时能提高无噪 声情况下的识别性能。本文最后针对语音识别的硬件实现问题，采用 TI 公司的 DSP 芯片 TMS320VC5509，设计了一套基于定点 DSP 的语音识别系统，该系统功 耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语音识 别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。 本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识别系统 走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论，包括系 统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上，分析了 隐马尔科夫模型和径向基神经网络各自的优点和不足之处，提出了 HMM 和 ANN 模型结合用于语音识别的必要性，并对两者常用的各种结合方式进行了总结。 根据人类的听觉感知机理，本文引入子带分析方法，提出了一种新的多特征子 带 HMM/ANN 混合模型，该方法采用了与以往子带语音识别不同的结合方式，并 采用子带特征和全带特征两种特征参数，首先分别对多个子带特征和一个全带 特征建立 HMM 模型，然后用 RBF 神经网络对这些 HMM 模型的识别结果进行融合 判决。为了检验算法的有效性，针对非特定人汉语数字孤立词识别，在 MATLAB7.0 环境下对本文提出的多特征子带 HMM/ANN 混合模型进行了仿真实验， 分析了采用不同的特征参数、子带数目对识别结果的影响，并对传统的混合模 型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。 结果 表明：该方法与传统方法相比不仅具有更好的抗噪性能，而且同时能提高无噪 声情况下的识别性能。本文最后针对语音识别的硬件实现问题，采用 TI 公司的 DSP 芯片 TMS320VC5509，设计了一套基于定点 DSP 的语音识别系统，该系统功 耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语音识 别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。 本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识别系统 走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论，包括系 统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上，分析了 隐马尔科夫模型和径向基神经网络各自的优点和不足之处，提出了 HMM 和 ANN 模型结合用于语音识别的必要性，并对两者常用的各种结合方式进行了总结。 根据人类的听觉感知机理，本文引入子带分析方法，提出了一种新的多特征子 带 HMM/ANN 混合模型，该方法采用了与以往子带语音识别不同的结合方式，并 采用子带特征和全带特征两种特征参数，首先分别对多个子带特征和一个全带 特征建立 HMM 模型，然后用 RBF 神经网络对这些 HMM 模型的识别结果进行融合 判决。为了检验算法的有效性，针对非特定人汉语数字孤立词识别，在 MATLAB7.0 环境下对本文提出的多特征子带 HMM/ANN 混合模型进行了仿真实验， 分析了采用不同的特征参数、子带数目对识别结果的影响，并对传统的混合模 型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。 结果 表明：该方法与传统方法相比不仅具有更好的抗噪性能，而且同时能提高无噪声情况下的识别性能。本文最后针对语音识别的硬件实现问题，采用 TI 公司的 DSP 芯片 TMS320VC5509，设计了一套基于定点 DSP 的语音识别系统，该系统功 耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语音识 别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。 本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识别系统 走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论，包括系 统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上，分析了 隐马尔科夫模型和径向基神经网络各自的优点和不足之处，提出了 HMM 和 ANN 模型结合用于语音识别的必要性，并对两者常用的各种结合方式进行了总结。 根据人类的听觉感知机理，本文引入子带分析方法，提出了一种新的多特征子 带 HMM/ANN 混合模型，该方法采用了与以往子带语音识别不同的结合方式，并 采用子带特征和全带特征两种特征参数，首先分别对多个子带特征和一个全带 特征建立 HMM 模型，然后用 RBF 神经网络对这些 HMM 模型的识别结果进行融合 判决。为了检验算法的有效性，针对非特定人汉语数字孤立词识别，在 MATLAB7.0 环境下对本文提出的多特征子带 HMM/ANN 混合模型进行了仿真实验， 分析了采用不同的特征参数、子带数目对识别结果的影响，并对传统的混合模 型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。 结果 表明：该方法与传统方法相比不仅具有更好的抗噪性能，而且同时能提高无噪 声情况下的识别性能。本文最后针对语音识别的硬件实现问题，采用 TI 公司的 DSP 芯片 TMS320VC5509，设计了一套基于定点 DSP 的语音识别系统，该系统功 耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语音识 别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。 本文首先对语音识别现状进行了分析，指出抗噪语音识别技术是语音识别系统 走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论，包括系 统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上，分析了 隐马