一种新型语音识别算法的应用

本文首先对声音的预处理及其信号特征的提取过程进行了简要介绍，然后提出了在孤立字词语音识别的一个新的算法，即新型的识别算法。通过此算法，系统可以在不降低系统识别精度的前提下，大大精简运算量，因此提高了识别系统整体的识别效率。实验证明，这种识别算法在基于模板的孤立字词语音识别中可以达到100％的识别精度，在基于非模板的孤立字词的语音识别中，其识别精度也可以达到90％以上，并且与传统的识别方法相比，缩短了训练时间，提高了识别速度。在孤立字词的语音识别中具有自己独到的优势。然后，枸建一个使用方便的语音识别系统，将本算法应用到实践当中来解决人们现实生活中遇到的各种问题.     

基于单片机的语音识别控制电压播报仪

为实现利用人的语言和听觉来完成一系列双手工作的目的，我们借助于单片机对语音进行识别处理．语音识别控制电压播报仪是基于SPCE061A单片机开发出来的语音识别控制和播报系统．它的硬件部分主要由外部降压电路、MIC输入电路、SPCE061A单片机、音频放大设备等组成，软件部分则由语音识别训练模块、语音识别模块、模数转换模块、数据处理模块、语音播报模块组成，通过对系统的初始化和识别训练使之能够对所训练的语音进行识别，进而触发一系列过程：模数转换→数据处理→语音播报电压．实验结果表明，这个系统能够准确地识别语音命令，得到测量结果．     

一种语音控制的智能机器人设计与实现

以STM32单片机作为控制核心,设计了一种高精度语音控制的智能机器人.硬件包括电源模块、显示模块、交互模块及电机控制模块等,硬件电路分为底盘控制、身体控制与头部控制三部分.软件包括嵌入式系统C语言程序和以Android系统为平台开发的软件程序.可精准识别语音指令,并进行语音控制.机器人参数可在系统软件平台内进行个性化设置.     

调制域谱减法用于鲁棒性语音识别

针对语音识别在实际环境中缺乏稳健性的问题,提出了将调制域谱减法应用于语音识别前端的方法。先将语音信号变换到调制域,在调制域用谱减法将信号增强,在减少语音畸变的基础上提高信噪比,然后再进行识别。仿真实验表明,调制域谱减法能在较大的信噪比区间内提高系统识别率,证明此方法能显著提高语音识别系统的抗噪声能力。     

智能家居中Qt语音识别界面的设计与实现

针对智能家居缺少语音控制的问题,使用HTK和Qt Creator联合设计了一款具有语音识别功能的图形控制界面.结合隐形马尔科夫模型语音识别工具HTK和Qt交叉编译,描述了嵌入式软硬件平台的搭建过程.着重介绍了多线程并行的语音控制流程和软件实现过程.实验结果表明,该界面可以稳定地运行在ARMLinux平台下,且功能实现完整.语音识别的加入使得设备操作更加人性化、简便化,具有很高的实用性.由于Qt的可移植性,该界面可在多种平台下编译运行,有较好的扩展性.     

基于EMD法的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于经验模态分解(EMD)法的语音信号特征参数提取方法。该方法先对语音信号进行EMD分解,获得其内模函数;再进行FFT和DCT变换,得到特征分量,以此构成语音信号新特征参数。最后采用高斯混合模型(GMM)进行说话人语音识别,实验表明新特征参数取得了较好的识别率。     

基于径向基函数神经网络的语音识别

提出一种基于径向基函数神经网络的改进聚类方法,并将此改进的神经网络应用于语音识别领域,建立一个非特定人的孤立词语音识别系统.此聚类方法采取有监督的学习方式,将训练样本的形心作为隐节点的质心,训练样本的分类数作为隐节点的个数.利用该方法对小词表汉语孤立词进行语音识别.结果表明,采用此算法的径向基函数的神经网络具有更好的分类能力,训练速度和识别率均优于传统的径向基函数网络.     

可视式语音信号的分析及基音检测

本文研究了简易的语音信号处理系统。着重介绍了语音信号的分析和基频检测技术。本文为一般人语言音调语调、聋哑儿童的语言训练的研究和实验,提供了可视式硬件基础,对类似语音信号处理系统有一定的参考价值.     

汉语语音的基音快速提取算法

根据汉语语音信号的特点．该文提出一种简化的自相关基音提取的方法，算法具有简便、快速、准确和易于实现等特点。此方法不仅可用于孤立字．更适用于提取二字词的声词。实验表明，所得到的１５种二字词声调的基本模式和轻声变调等都与已有的研究报导相符。含有清声母音节时，二字词声调能提供音节分割和声韵分离的准确信号．基音提取成功率高于９０％。     

智能机器人语音控制方法的设计与实现

利用个人计算机强大的软、硬件平台,设计了一种机器人语音控制的方法,实验表明该方法能对机器人进行高效的语音控制．     

基于最大匹配的中文分词改进算法研究

本文在中文分词技术的基础上,提出了一种基于中文文本主题提取的分词方法,以概念语义网络的思想构造主题词典,描述词间概念语义关系,采用改进的最大匹配算法对文本进行切词,既提高了分词的准确性,又能识别文中的未登录词,并同步完成主题词的规范工作。从而在概念层次上理解用户的需求,实现概念检索,提高查准率。     

基于词内部模式的中文新词识别研究

提出了一种基于支持向量机的中文新词识别算法.该算法结合新词内部模式以及词长等提出了基于词内部模式的改进字符位置似然概率,并综合新词的邻接类别等特征对新词进行识别.经过小说语料测试,实验结果表明：该算法的微F1值为0.583 3,宏F1值为0.775 7,分别比不考虑词内部模式的基准算法提高约63%和30%.     

基于时域模型分析谐波复合音的音高感知机制

为了探讨中等次数的谐波复合音是否依赖于时间精细结构信息进行音高感知, 测量了谐波复合音的基频辨别阈。目标复合音可以单独存在, 或者和掩蔽复合音同时存在。二者经过相同的带通滤波区域, 具有不同的相位组合和基频差异。结果表明: 相位组合对音高感知没有显著影响; 滤波区域和基频差异对音高感知具有显著影响。采用时域模型分析发现, 中等次数的谐波复合音可能依赖于时间精细结构信息获得较好的音高感知结果。研究结果能帮助建立复杂声音场景下的音高感知机制。     

"联绵词"辨

针对关于现代汉语中是否存在“联绵词”这一问题,本文试图对“联绵词”这一概念的内涵做一个重新界定。并结合联绵词的来源,认为要用发展、辩证的历史观看待“联绵词”问题,只有这样才能更好地认清其本来的历史面目,使之更好地为现代汉语服务。     

基于基音同步叠加的汉语文语转换

提出了一种将基音同步叠加技术用于汉语文语转换系统的方法。主要介绍了系统的基本组成、语音基元选择、语音库的结构和检索、文本的预处理、合成规则、基音同步叠加技术等。该系统在语言学处理中采用了分词精度较高的基于词形统计的汉语文本切分算法 ;韵律处理采用了能有效控制合成语音韵律的语音合成规则 ;声学处理采用了基音同步叠加技术进行语音合成 ,易于调整合成语音的音高、音长和音强。测试表明 ,本系统语音输出清晰度达 95 % ,自然度达 8.1分 (按 10分制 ) ,基本达到实用的要求     

在IE浏览器上模拟WORD编辑功能的方法

在浏览器上模拟WORD所见即所得的编辑功能一直是比较难以解决的一个难题 .笔者使用浮动帧的特殊属性实现了IE浏览器上的在线编辑功能     

基于词模式嵌入的词语上下位关系分类

提出一种基于词模式的上下位关系分类方法, 可以有效地缓解传统的基于模式的分类方法存在的稀疏问题, 提高了关系分类的召回率。进一步地, 通过词模式嵌入, 将基于模式的方法与基于词嵌入的方法进行有效的融合。为了验证方法的有效性, 标注一个包含12000个汉语词语对的数据集。实验结果表明, 该词模式嵌入方法是有效的, F1值可以达到95.36%。     

中文文本特征选择中的分词方法研究

针对汉语自动分词后词条的特征信息缺失的问题,本文提出把整个分词过程分解为三个子过程,以词串为分词单位对文本进行分词：首先,采用逆向最大匹配法对文本进行切分;第二,对切分结果进行停用词消除;第三,计算第一次分词得到的词条互信息和相邻共现频次,根据计算结果判定相应的词条组合成词串。实验结果表明,词条组合后的词串的特征信息更丰富,改善了文本特征选择的效果,提高了文本分类性能。     

一种基于中文关键字符串核函数的分类算法

提出了一种基于中文关键字符串核函数的分类算法,并在农业文本上进行了分类性能测试.实验结果表明,与传统的中文分类算法相比,基于中文关键字符串核函数的分类算法准确率更高.     

一种新型前向神经网络用于汉语四声识别

提出了一种新型的前向神经网络，并研究了其在语音识别中的应用。该神经网络为只含一层非线性隐层的前向神经网络，以线性的输出层代替一般ＢＰ网络的非线性输出层，可以更准确地，范围更大地完成非线性函数估值功能。该神经网络采用了包括反向传播算法及最小均方算法的混合算法进行训练，可以减少落入局部最小点的概率以及提高收敛速度。