藏语孤立词语音识别系统研究

藏语语音研究相当滞后,文章结合语音识别知识和藏语特点,尝试性地研究了藏语孤立词语音识别研究.首先提取MFCC参数作为语音特征参数,形成语音模板库,采用DTW模型实现了语音识别系统,并且针对藏语孤立词多音节的特点,改进了传统的基于短时能量和短时过零率双门限检测法,即加入了音节间静音段时长门限,提高了孤立词语音信号检测的准确性和识别率.     

基于LPCC的话者识别系统

本文讨论话者识别系统的处理过程,从信号预处理开始(数字采样、预加重滤波、加窗分帧)开始,分别介绍了语音信号的端点检测、特征参数提取以及简单识别的方法,并对每个步骤可用的几种方法在实验的基础上进行了分析对比.最终,根据选择的LPCC特征参数和识别算法设计了基于LPCC的话者识别系统.     

基于GSMEFR编码的语音识别系统

主要讨论了对于小词汇量孤立词的汉语语音识别问题。文中采用欧洲通信标准委员会(ETSI)发布的GSMEFR声码器对输入语音信号进行特征提取。在识别模块采用基于动态规划原理的动态时转弯析(DTW)技术对提取的测试语音参数与训练模板的语音参数进行匹配，得到的误差最小值即为识别结果。实验结果表明，对于20条语音命令，识别准确率达到96％以上，识别时间小于1．5s。     

听力理解过程中的语音识别系统

目前我国的英语听力教学中还存在许多问题，学生的听力水平还相对落后于阅读水平，而且常常出现学生看得懂而听不懂的情况。对此，本文通过分析听力教学与研究的相关理论指出听力理解过程的关键是语音识别阶段，并提出语音识别系统这一概念.     

基于ARM的实时语音识别系统在嵌入式系统中的应用

在分析语音识别原理的基础上,设计了一个基于ARM和DSP芯片的语音识别子系统,用于嵌入式系统中的语音识别,该语音识别子系统由ARM和DSP芯片为核心,配合其他功能电路,能够独立完成语音识别的工作,ARM芯片作为系统的控制芯片,DSP芯片负责对语音信号的隐马尔可夫模型建立,从而使得嵌入式系统的语音识别更为方便简捷,并且该子系统具有一定的通用性和可剪裁性.     

基于SPCE061A单片机的语音识别系统开发

文章给出了基于16位单片机SPCE061A的语音识别系统的软件和硬件设计。该系统实现了语音的采集、回放、特征提取、单词识别等功能。利用SPCE061A的语音处理优势构成的各种嵌入式系统具有广阔的应用前景。     

语音识别技术的进展

随着语音识别技术的深入研究和发展,语音识别技术已基本成熟并逐渐应用于人们生活中的各个领域。本文描述了语音识别技术的进展、问题及展望。     

汉语方言语音识别系统的构建

设想一套汉语方言语音识别系统。该系统将具有声、韵、调自动识别,中古声母、韵母、声调以及声母开齐合撮检索,同音和有音无字词检索,轻声、连读变调识别和文白异读识别等5个功能,汉语方言识别系统的构建将提高汉语方言研究的工作效率。     

嵌入式语音交互系统

介绍了适应人机自然交互环境的嵌入式语音交互系统。提出了一种嵌入式数字信号处理平台的工作模型。深入讨论了我们开发的嵌入式计算平台,以及在该嵌入式计算平台中实现特定３人控制信念词语音识别功能的方法。     

一种聚焦式模糊分段算法及其在语音识别中的应用

基于各类语音模型的语音识别系统中，未知语音与参考模板的匹配度处在临界状态时，系统容易发生误识别。针对这类问题，本文提出了一种聚焦式模糊分段算法，对语音特征矢量进行模糊分段量化；并将其应用于DTW语音系统中，对语音信号进行训练和匹配。实验证明：该算法能够有效提高系统的识别精度，并降低模糊分界内的误识别率。     

利用声调提高中文连续数字串语音识别系统性能

采用平均幅度差法、自相关函数法和简单逆滤波器跟踪法相结合的方法计算语音信号的基音频率。根据声调模式的不同，采用基于规则的方法对声调进行识别，对连续数字串识别中一些易混淆的数字对进行区分，从而达到提高数字串识别系统性能的目的。     

基于DTW的俄语短指令语音识别

面向训练语料有限的语音识别任务,基于动态时间规整(dynamic time warping, DTW)算法对俄语语音进行识别。首先,以跨语言标注的语音语料为资源基础,研究融合音字转换和机器翻译的语音识别方法。其次,结合俄语语音特点,以元音为中心设置动态门限阈值,实现精确至音节的端点检测,识别速度提高了34.4%,准确率提高了14%。然后,综合时域、频域分析,提取反映语音静态特征和动态变化的参数模板。另外,引入全局限制和早弃策略改进DTW算法,避免病态匹配,缩小计算规模,使速度提高了19.7%,准确率提高了4.8%。在俄语短指令语音集上做五折交叉验证,识别准确率达到74.9%。     

一种新型语音识别系统

提出一种新型语音识别系统,采用帧能量与帧过零率的乘积作为指标量进行语音端点检测,以MFCC作为语音信号特征矢量,基于HMM语音识别模型进行语音识别.同时,提出了一种新的抗噪语音识别方法,通过改进型重复Wiener滤波结合PUM模型进行抗噪语音识别,较好地抑制了噪声干扰,提高了语音识别率.     

基于神经网络的语音识别系统

介绍一种适用于实时语音识别环境下的神经网络模型——动态识别神经网络（dynamic recognition neural network，DRNN）．DRNN聚类学习的性能使得它非常适用于与在线学习方式相结合的实时语音识别系统．通过比较DRNN和隐含马尔科夫模型（hidden Markov model，HMM），可以看到不论是在训练方面还是在识别方面，DRNN算法的计算复杂程度都要低于HMM算法．     

基于单个神经元的语音识别据识算法

语音识别是当今信息领域标志性技术,是最具发展前景的综合性学科之一。该文用语音识别系统模式匹配原理,对比分析了模板匹配算法DTW与人工神经网络中的ANN算法在语音识别据识中的应用;提出了一种基于单个神经元的拒识算法,实验结果表明该算法能达到较高的拒识率。     

改进的智能机器人语音识别方法(英文)

作为一种人机信息交互技术,语音识别技术得到了广泛的应用。介绍了基于凌阳十六位单片机SPCE061A的语音识别系统,并且采用了以传统的线性预测倒谱系数(LPCC)与分形维数相结合的混合参数作为特征参数的语音识别方法。LPCC方法是体现说话人特定的声道共振特性的线性预测方法,而分形维数则可以定量的描述语音气流中的非线性混沌特征。实验结果表明,基于LPCC与分形维数混合参数的语音识别方法要比单一的LPCC参数语音识别方法识别效果好。     

语音识别系统的简述

通过对语音识别技术的研究，帮助机器人像人类一样流畅的讲出要表达的意识和建议。常用的语音识别方法有模板匹配法、随机模型法和概率语法分析法，随机模型法是目前的主流方法。     

基于DTW改进算法的孤立词语音识别仿真

为提高识别率和识别效率,采用双门限过零率和短时能量作为端点检测的依据,提取Mel频率倒谱系数作为语音特征参数,并使用DTW算法进行模式匹配．由于传统DTW算法计算量大,所以采用局部路径约束和区域约束进行改进,并用Matlab对改进后的DTW算法进行了仿真．实验证明该算法对孤立词语音识别能够达到较好的识别结果．     

基于局域网上的分布式语音识别系统

近年来随着网络和语音处理技术的快速发展,分布式语音识别(DSR)成为语音处理的一个研究方向,与传统集中式语音识别不同的是:它基于Client/Server模型,在Client端进行参数的提取,然后通过信道传送到Server端进行识别,把结果送回到Client端。文中介绍基于LAN所设计的DSR系统。     

小波预处理在语音识别系统中的应用

利用小波的多尺度性质,在提取语音信号的识别特征之前,用小波对语音信号的有用信息进行处理,并抑制无关信息对识别所产生的干扰。结果表明：经过小波预处理后提取的特征,提高了语音的识别率。