【畢業(yè)論文】利用hmm技術(shù)實(shí)現(xiàn)基于文本相關(guān)的語(yǔ)音識(shí)別設(shè)計(jì).doc
約59頁(yè)DOC格式手機(jī)打開(kāi)展開(kāi)
【畢業(yè)論文】利用hmm技術(shù)實(shí)現(xiàn)基于文本相關(guān)的語(yǔ)音識(shí)別設(shè)計(jì),論文標(biāo)準(zhǔn)word格式排版 59頁(yè)摘要語(yǔ)音識(shí)別作為一個(gè)交叉學(xué)科,具有深遠(yuǎn)的研究?jī)r(jià)值。語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)已經(jīng)成為現(xiàn)代技術(shù)發(fā)展的一個(gè)標(biāo)志,也是現(xiàn)代計(jì)算機(jī)技術(shù)研究和發(fā)展的一個(gè)重要領(lǐng)域。雖然語(yǔ)音識(shí)別技術(shù)已經(jīng)取得了一些成就,也有部分產(chǎn)品面世,但是,大多數(shù)語(yǔ)音識(shí)別系統(tǒng)仍局限于實(shí)驗(yàn)室,遠(yuǎn)沒(méi)有達(dá)到實(shí)用化要求。制約實(shí)用化的根本原因可以...
內(nèi)容介紹
此文檔由會(huì)員 莎士比亞 發(fā)布
論文標(biāo)準(zhǔn)WORD格式排版 59頁(yè)
摘要
語(yǔ)音識(shí)別作為一個(gè)交叉學(xué)科,具有深遠(yuǎn)的研究?jī)r(jià)值。語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)已經(jīng)成為現(xiàn)代技術(shù)發(fā)展的一個(gè)標(biāo)志,也是現(xiàn)代計(jì)算機(jī)技術(shù)研究和發(fā)展的一個(gè)重要領(lǐng)域。雖然語(yǔ)音識(shí)別技術(shù)已經(jīng)取得了一些成就,也有部分產(chǎn)品面世,但是,大多數(shù)語(yǔ)音識(shí)別系統(tǒng)仍局限于實(shí)驗(yàn)室,遠(yuǎn)沒(méi)有達(dá)到實(shí)用化要求。制約實(shí)用化的根本原因可以歸為兩類(lèi),識(shí)別精度和系統(tǒng)復(fù)雜度。
HMM是一種用參數(shù)表示的用于描述隨機(jī)過(guò)程統(tǒng)計(jì)特性的概率模型,它是由馬爾可夫鏈演變來(lái)的,所以它是基于參數(shù)模型的統(tǒng)計(jì)識(shí)別方法。它是一個(gè)雙重隨機(jī)過(guò)程——具有一定狀態(tài)數(shù)的隱馬爾可夫鏈和顯示隨機(jī)函數(shù)集,每個(gè)函數(shù)都與鏈中一個(gè)狀態(tài)相關(guān)聯(lián)?!半[”的過(guò)程通過(guò)顯示過(guò)程所產(chǎn)生的觀察符號(hào)序列來(lái)表示,這就是隱馬爾可夫模型。
本文主要介紹了語(yǔ)音識(shí)別的預(yù)處理,隱馬爾可夫模型(Hidden Markov Models,HMM)和語(yǔ)音識(shí)別的基礎(chǔ)理論和發(fā)展方向。對(duì)數(shù)字0~9的識(shí)別進(jìn)行了詳細(xì)的Matlab語(yǔ)言實(shí)現(xiàn)。
關(guān)鍵詞:HMM;文本相關(guān);語(yǔ)音識(shí)別
摘 要 I
ABSTRACT II
第一章 緒論 1
1.1 背景、目的和意義 1
1.2 發(fā)展歷史和國(guó)內(nèi)外現(xiàn)狀 1
1.3 語(yǔ)音識(shí)別系統(tǒng)概述 3
1.3.1語(yǔ)音識(shí)別系統(tǒng)構(gòu)成 3
1.3.2語(yǔ)音識(shí)別的分類(lèi) 4
1.3.3 識(shí)別方法介紹 5
第二章 語(yǔ)音信號(hào)的預(yù)處理及特征提取 8
2.1 語(yǔ)音信號(hào)的產(chǎn)生模型 9
2.2 語(yǔ)音信號(hào)的數(shù)字化和預(yù)處理 9
2.2.1 語(yǔ)音采樣 10
2.2.2 預(yù)加重…………………………………………………………………..10
2.2.3 語(yǔ)音信號(hào)分幀加窗 11
2.3 端點(diǎn)檢測(cè) 13
2.3.1 短時(shí)能量 13
2.3.2 短時(shí)平均過(guò)零率 14
2.3.3 端點(diǎn)檢測(cè)——“雙門(mén)限”算法 15
2.4 語(yǔ)音信號(hào)特征參數(shù)的提取 16
2.4.1線性預(yù)測(cè)倒譜系數(shù)LPCC 16
2.4.2 Mel倒譜系數(shù)MFCC 17
2.4.3 LPCC系數(shù)和MFCC系數(shù)的比較………………………………………18
第三章 隱馬爾可夫模型(HMM) 20
3.1 隱馬爾可夫模型 20
3.1.1 隱馬爾可夫(HMM)基本思想 20
3.1.2 語(yǔ)音識(shí)別中的HMM 24
3.1.3 隱馬爾可夫的三個(gè)基本問(wèn)題[10] 24
3.1.4 HMM的基本算法 25
3.2 HMM模型的一些問(wèn)題 28
3.2.1 HMM溢出問(wèn)題的解決方法 28
3.2.2 參數(shù)的初始化問(wèn)題 29
3.2.3提高HMM描述語(yǔ)音動(dòng)態(tài)特性的能力 31
3.2.4直接利用狀態(tài)持續(xù)時(shí)間分布概率的HMM系統(tǒng) 31
第四章 基于文本相關(guān)的語(yǔ)音識(shí)別 33
4.1 引言 33
4.2 HMM模型的語(yǔ)音實(shí)現(xiàn)方案 33
4.2.1初始模型參數(shù)設(shè)定 34
4.2.2 HMM模型狀態(tài)分布B的估計(jì) 34
4.2.3 多樣本訓(xùn)練 35
4.2.4 識(shí)別過(guò)程 36
4.3 仿真過(guò)程及系統(tǒng)評(píng)估 37
4.3.1 語(yǔ)音數(shù)據(jù)的采集及數(shù)據(jù)庫(kù)的建立 37
4.3.2 仿真實(shí)驗(yàn)——HMM用于語(yǔ)音識(shí)別 38
4.3.3 Matlab編程實(shí)現(xiàn) 40
4.4系統(tǒng)仿真中的若干問(wèn)題 43
總結(jié)展望 44
參考文獻(xiàn) 45
附 錄 46
致 謝 54
摘要
語(yǔ)音識(shí)別作為一個(gè)交叉學(xué)科,具有深遠(yuǎn)的研究?jī)r(jià)值。語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)已經(jīng)成為現(xiàn)代技術(shù)發(fā)展的一個(gè)標(biāo)志,也是現(xiàn)代計(jì)算機(jī)技術(shù)研究和發(fā)展的一個(gè)重要領(lǐng)域。雖然語(yǔ)音識(shí)別技術(shù)已經(jīng)取得了一些成就,也有部分產(chǎn)品面世,但是,大多數(shù)語(yǔ)音識(shí)別系統(tǒng)仍局限于實(shí)驗(yàn)室,遠(yuǎn)沒(méi)有達(dá)到實(shí)用化要求。制約實(shí)用化的根本原因可以歸為兩類(lèi),識(shí)別精度和系統(tǒng)復(fù)雜度。
HMM是一種用參數(shù)表示的用于描述隨機(jī)過(guò)程統(tǒng)計(jì)特性的概率模型,它是由馬爾可夫鏈演變來(lái)的,所以它是基于參數(shù)模型的統(tǒng)計(jì)識(shí)別方法。它是一個(gè)雙重隨機(jī)過(guò)程——具有一定狀態(tài)數(shù)的隱馬爾可夫鏈和顯示隨機(jī)函數(shù)集,每個(gè)函數(shù)都與鏈中一個(gè)狀態(tài)相關(guān)聯(lián)?!半[”的過(guò)程通過(guò)顯示過(guò)程所產(chǎn)生的觀察符號(hào)序列來(lái)表示,這就是隱馬爾可夫模型。
本文主要介紹了語(yǔ)音識(shí)別的預(yù)處理,隱馬爾可夫模型(Hidden Markov Models,HMM)和語(yǔ)音識(shí)別的基礎(chǔ)理論和發(fā)展方向。對(duì)數(shù)字0~9的識(shí)別進(jìn)行了詳細(xì)的Matlab語(yǔ)言實(shí)現(xiàn)。
關(guān)鍵詞:HMM;文本相關(guān);語(yǔ)音識(shí)別
摘 要 I
ABSTRACT II
第一章 緒論 1
1.1 背景、目的和意義 1
1.2 發(fā)展歷史和國(guó)內(nèi)外現(xiàn)狀 1
1.3 語(yǔ)音識(shí)別系統(tǒng)概述 3
1.3.1語(yǔ)音識(shí)別系統(tǒng)構(gòu)成 3
1.3.2語(yǔ)音識(shí)別的分類(lèi) 4
1.3.3 識(shí)別方法介紹 5
第二章 語(yǔ)音信號(hào)的預(yù)處理及特征提取 8
2.1 語(yǔ)音信號(hào)的產(chǎn)生模型 9
2.2 語(yǔ)音信號(hào)的數(shù)字化和預(yù)處理 9
2.2.1 語(yǔ)音采樣 10
2.2.2 預(yù)加重…………………………………………………………………..10
2.2.3 語(yǔ)音信號(hào)分幀加窗 11
2.3 端點(diǎn)檢測(cè) 13
2.3.1 短時(shí)能量 13
2.3.2 短時(shí)平均過(guò)零率 14
2.3.3 端點(diǎn)檢測(cè)——“雙門(mén)限”算法 15
2.4 語(yǔ)音信號(hào)特征參數(shù)的提取 16
2.4.1線性預(yù)測(cè)倒譜系數(shù)LPCC 16
2.4.2 Mel倒譜系數(shù)MFCC 17
2.4.3 LPCC系數(shù)和MFCC系數(shù)的比較………………………………………18
第三章 隱馬爾可夫模型(HMM) 20
3.1 隱馬爾可夫模型 20
3.1.1 隱馬爾可夫(HMM)基本思想 20
3.1.2 語(yǔ)音識(shí)別中的HMM 24
3.1.3 隱馬爾可夫的三個(gè)基本問(wèn)題[10] 24
3.1.4 HMM的基本算法 25
3.2 HMM模型的一些問(wèn)題 28
3.2.1 HMM溢出問(wèn)題的解決方法 28
3.2.2 參數(shù)的初始化問(wèn)題 29
3.2.3提高HMM描述語(yǔ)音動(dòng)態(tài)特性的能力 31
3.2.4直接利用狀態(tài)持續(xù)時(shí)間分布概率的HMM系統(tǒng) 31
第四章 基于文本相關(guān)的語(yǔ)音識(shí)別 33
4.1 引言 33
4.2 HMM模型的語(yǔ)音實(shí)現(xiàn)方案 33
4.2.1初始模型參數(shù)設(shè)定 34
4.2.2 HMM模型狀態(tài)分布B的估計(jì) 34
4.2.3 多樣本訓(xùn)練 35
4.2.4 識(shí)別過(guò)程 36
4.3 仿真過(guò)程及系統(tǒng)評(píng)估 37
4.3.1 語(yǔ)音數(shù)據(jù)的采集及數(shù)據(jù)庫(kù)的建立 37
4.3.2 仿真實(shí)驗(yàn)——HMM用于語(yǔ)音識(shí)別 38
4.3.3 Matlab編程實(shí)現(xiàn) 40
4.4系統(tǒng)仿真中的若干問(wèn)題 43
總結(jié)展望 44
參考文獻(xiàn) 45
附 錄 46
致 謝 54
TA們正在看...
- 對(duì)作文教學(xué)中學(xué)生年齡性別心理差異的思考.doc
- 對(duì)作文教學(xué)幾點(diǎn)體會(huì).doc
- 對(duì)作文評(píng)價(jià)若干問(wèn)題的思考.doc
- 對(duì)農(nóng)村中學(xué)生閱讀的探討.doc
- 對(duì)農(nóng)村初中學(xué)生語(yǔ)文學(xué)習(xí)興趣淡薄的思考.doc
- 對(duì)農(nóng)村小學(xué)實(shí)現(xiàn)學(xué)生學(xué)習(xí)方式轉(zhuǎn)變的反思.doc
- 對(duì)農(nóng)村高中新課標(biāo)下閱讀教學(xué)的思考與認(rèn)識(shí).doc
- 對(duì)初三語(yǔ)文復(fù)習(xí)的幾點(diǎn)思考.doc
- 對(duì)初中作文教學(xué)的幾點(diǎn)思考.doc
- 對(duì)初中文言文執(zhí)教方法的思考.doc