语音识别门禁系统关键技术研究

通过对语音识别技术的原理进行分析，结合特定人语音识别技术在门禁系统中的具体应用，从语音信号的预处理、信号端点检测、特征信号的提取到识别策略的算法等关键技术上进行研究，从技术角度阐明了该系统在理论上的合理性和可行性，并通过实验说明系统在噪声干扰的情况下性能没有明显的下降。     

探索语音识别技术的前世今生

 自动语音识别技术(Automatic Speech Recognition-ASR)是一种实现从"声音"到"文字"转换的技术,通过将人的语音直接转换成相应的文本以便计算机进行理解和产生相应的操作,并最终实现人与机器之间的自然语音交互。语音识别就好比"机器的听觉系统",让机器通过识别和理解,能够把语音信号转变为相应的文本或命令,下面简要回顾语音识别技术的发展历程。     

RSC-300/364语音识别芯片在家庭智能化的分析与应用

本文本系统采用美国Sensory公司出品的RSC-300/364作为语音识别芯片,实现对家庭智能化应用的语音识别的分析与应用.命令识别后输出特征信号,通过89C51单片机对输出信号的检测 ,用位操作的形式实现对家庭音频、视频、灯光开关和电动窗门等进行语音控制.展现了语音识别技术在家庭智能化领域的广阔应用发展前景.     

藏语语音信号降噪算法研究

藏语语音在识别过程中会受到各种信号的干扰,从而影响语音识别的质量。在进行语音识别预处理过程中,语音信号的降噪技术是一个关键的环节。文章通过分析各种降噪手段,重点研究了藏语语音信号降噪方法,提出了符合藏语语音信号降噪的小波包降噪算法。其研究结果为进一步的藏语语音识别技术的研究提供了基础。     

基于语音识别的说话人身份辨识系统

提出一种在小字库孤立语音条件下,集成语音识别与说话人的识别技术,并进行说话人身份代码（密码）识别、认证．利用语音信号的短时分析技术进行孤立词的单元分割,采用临界带特征矢量作为语音信号特征,分析了经典语音识别算法——动态时间规整算法,提出了对语音模板各帧加权的改进方法．为提高识别响应速度,研究了多门限多轮次的判决方法,在增加多套模板、提高识别率的情况下,降低了系统的响应时间．     

基于EMD算法与神经网络的声纹检测识别系统

随着科学技术的发展,声纹识别系统应用广泛。介绍了一种新颖的语音信号识别方法,即使用emd分解语音信号,提取语音信号的时域与频域特征,将获得的信号特征输入神经网络,通过神经网络进行语音信号的识别。     

基于VQ的说话人识别系统的实现

系统以语音信号的LPC倒谱系数、差值倒谱系数、基音周期和差值基音周期的混合特征参数作为识别的特征矢量集,运用矢量量化(VQ)技术实现了与文本有关的说话人识别。在一个10人,1800个语音的语音库上进行了系统的识别实验,其中单音节语音的平均识别率达到了92%,双音节语音达到了96.67%,四音节语音达到了97.67%。系统用于实时识别也收到了较好的效果。     

基于AMR编码参数的语音识别

基于语音编码系统的语音识别，由于受编码的影响其识别效果在编码速率下降时显著降低。传统的识别方法从重构语音波形中提取特征参数，并针对该特征参数进行训练和识别。比较了基于编码语音的识别准确率和基于编码参数的识别准确率，并研究了编码参数对识别准确率的影响。在此基础上，通过选择受编码影响较小的编码参数，直接将LPC参数和残差信号参数组合起来构成特征参数进行语音识别。实验结果表明，采用这种方法的AMR语音识别系统，其识别效果接近于基于原始语音的识别效果。     

基于LIN总线的语音控制智能家居系统设计

本文设计了一种基于LIN总线的语音控制智能家居系统,该系统采取分布式控制方式,以凌阳SPCE061A作为中央处理器,AT89S52单片机作为从机.由凌阳SPCE061A对语音命令进行识别,识别结果通过LIN总线传给特定的从机,再由从机执行对家电的控制.语音识别部分采用特定人识别和命令分层技术,系统对家庭的各个成员语音命令进行采样.存储,从而实现家庭各个成员的语音识别.     

噪声环境下语音识别的端点检测技术

端点检测的准确性在某种程度上直接决定了整个语音识别系统的成败,没有足够准确的端点检测(尤其是起点),精密优选特征类型或识别方法的工作往往劳而无功.噪声环境下语音识别的端点检测技术利用语音信号的倒谱特征作为判决抽样信号帧是否为语音信号的依据,并提出了倒谱距离测量法、基于隐马尔柯夫模型(HMM)的检测法.通过对两种宽带噪声(白噪声和汽车噪声)环境下信噪比从0dB到15dB的带噪语音信号进行的仿真实验结果表明,发现倒谱特征参数的语音信号端点检测方法在噪声环境下具有更强的适应性,更适合于实际的语音处理系统.