基于HMM的语音识别技术

论文编号:TX416  论文字数:23503,页数:42

摘 要
 
 随着现代计算机技术和语音技术的发展，用于语音和计算机交流已成为现代科技发展的一个标志，语音识别和语音和合成也因此成为现代计算机技术研究迫切需要发展的一个方向。
 语音识别技术关系到多学科研究领域，不同领域上的研究成果都对语音识别的发展作了贡献。语音信号本身的特点造成了语音识别的困难，这些特性包括多变性、动态性 、瞬时性和连续性等。计算机对语音识别的过程和人对语音的识别过程基本上一致。目前主流的语音识别技术是基于统计模型识别的基本理论。
 本文以最终实现一个基于HMM模型的孤立词识别系统为目的，详细介绍了作者在实现高识别率的语音识别算法中的思想，以及对于一些改进的初步设想。文中介绍了语音识别的基本概念、孤立词语音识别的一般方法和特点，详细论述了特征矢量的获取，HMM的原理和Baum-Welch算法的实现方法，以及HMM方法的优点。并在此基础上采用了Viterbi算法，Segmental K-means算法，减少了运算的复杂度，提高识别速度，使之能够满足失时性要求。最后阐述了作者对完成系统不足之处的认识，以及几种针对改进的方法。
关键词　语音识别        LPC倒谱    隐马尔可夫模型
      分段K均值      孤立词       MATLAB    仿真  
 

 
Abstract
 
 With the development of computer technology and voice technology,inter- communtion with computer by using voice have been a symbol of modern scientific achievements, that also made speech recognition and speech synthesization a research direction of computer technology.
 Speech recognition technology is concerned with many research fields of varied subject ,they have contributed a lot to the development of speech recongnition. These characters include levity, dynamic, instantaneousness, continuum and so on .The process of computer recognize speech are essentially the same as that of human’s. Now the mainsteam of Speech recognition technology is base on the basic theory of statistic mode recongnition.
    The purpose of this article is to realize a isolated word recongnition system,introduce the arithmetic of hing-rated speech recognition and some principal assumption of improve it … This article introduce the basic conception, common method and character of isolated word speech recognition , and particularly discuss the procedure of gain eigenvector, the principle of HMM, the completion of Baum-Welch arithmetic and the virtue of HMM then improve the recognition speed, reduce operation complexity and satisfy the real-time requirement by using Viterbi arithmetic and Segmental K-means arithmetic . At the end the author expatiate some shortages of this system and some idea about improving them.
Keywords　Speech recognition    Hidden markov models         Segmental K-means arithmetic     Isolated word   MATLAB  Emulation
  
 目  录
 
摘 要 I
Abstract II
第1章 绪论 1
1.1 课题背景 1
1.2 国内外语音识别技术的历史发展及研究 1
1.2.1 国外研究历史及现状 1
1.2.2国内研究历史及现状 3
1.2.3语音识别技术的前景和应用 4
第2章基于HMM的语音识别技术概述 5
2.1 语音识别技术简介 5
2.2基于隐马尔可夫（HMM）语音识别方法 7
第3章 HMM模型参数的获得 9
3.1 语音信号数字处理的基本常识 9
3.1.1语音信号的频谱 10
3.1.2音素和音节 10
3.1.3语音信号的短时特性 10
3.2语音信号的特征矢量的获取 11
3.2.1倒谱 11
3.2.2DFT以及FFT 12
3.2.3线性预测编码（LPC） 12
3.2.4线性预测倒谱系数（LPCC） 14
3.2.5Mel倒谱参数(MFCC) 15
3.2.6倒谱的算法 16
第4章 隐马尔可夫模型基本理论 18
4.1隐马尔可夫模型概述 18
4.1.1马尔可夫过程及隐马尔可夫模型 18
4.1.2隐马尔可夫模型的结构和类型 20
4.2 HMM模型的关键技术及解决算法 22
4.2.1P(O|M)的解决算法 23
4.2.2最佳状态序列的选择 24
4.2.3HMM的训练算法 25
4.2.3 HMM的训练 28
4.3HMM模型的缺陷及改进 29
4.3.1HMM存在的问题及解决 29
4.3.2对HMM模型的改进 30
第5章语音识别处理中HMM性能分析 32
5.1语音识别基本原理 32
5.2孤立词识别 33
5.3实验结果及总结 34
5.3.1实验准备 34
5.3.2实验结果与分析 35
结 论 36
参考文献 37
致谢 38

相关论文