HMM的語音識(shí)別技術(shù)的畢業(yè)設(shè)計(jì)

本文共計(jì)47頁，，23624字；

摘 要

隨著現(xiàn)代計(jì)算機(jī)技術(shù)和語音技術(shù)的發(fā)展，用于語音和計(jì)算機(jī)交流已成為現(xiàn)代科技發(fā)展的一個(gè)標(biāo)志，語音識(shí)別和語音和合成也因此成為現(xiàn)代計(jì)算機(jī)技術(shù)研究迫切需要發(fā)展的一個(gè)方向。
語音識(shí)別技術(shù)關(guān)系到多學(xué)科研究領(lǐng)域，不同領(lǐng)域上的研究成果都對(duì)語音識(shí)別的發(fā)展作了貢獻(xiàn)。語音信號(hào)本身的特點(diǎn)造成了語音識(shí)別的困難，這些特性包括多變性、動(dòng)態(tài)性 、瞬時(shí)性和連續(xù)性等。計(jì)算機(jī)對(duì)語音識(shí)別的過程和人對(duì)語音的識(shí)別過程基本上一致。目前主流的語音識(shí)別技術(shù)是基于統(tǒng)計(jì)模型識(shí)別的基本理論。
本文以最終實(shí)現(xiàn)一個(gè)基于HMM模型的孤立詞識(shí)別系統(tǒng)為目的，詳細(xì)介紹了作者在實(shí)現(xiàn)高識(shí)別率的語音識(shí)別算法中的思想，以及對(duì)于一些改進(jìn)的初步設(shè)想。文中介紹了語音識(shí)別的基本概念、孤立詞語音識(shí)別的一般方法和特點(diǎn)，詳細(xì)論述了特征矢量的獲取，HMM的原理和Baum-Welch算法的實(shí)現(xiàn)方法，以及HMM方法的優(yōu)點(diǎn)。并在此基礎(chǔ)上采用了Viterbi算法，Segmental K-means算法，減少了運(yùn)算的復(fù)雜度，提高識(shí)別速度，使之能夠滿足失時(shí)性要求。最后闡述了作者對(duì)完成系統(tǒng)不足之處的認(rèn)識(shí)，以及幾種針對(duì)改進(jìn)的方法。
關(guān)鍵詞　語音識(shí)別， LPC倒譜，隱馬爾可夫模型，分段K均值，孤立詞，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.
目 錄

摘 要 I
Abstract II
第1章 緒論 1
1.1 課題背景 1
1.2 國(guó)內(nèi)外語音識(shí)別技術(shù)的歷史發(fā)展及研究 1
1.2.1 國(guó)外研究歷史及現(xiàn)狀 1
1.2.2國(guó)內(nèi)研究歷史及現(xiàn)狀 3
1.2.3語音識(shí)別技術(shù)的前景和應(yīng)用 4
第2章基于HMM的語音識(shí)別技術(shù)概述 5
2.1 語音識(shí)別技術(shù)簡(jiǎn)介 5
2.2基于隱馬爾可夫（HMM）語音識(shí)別方法 7
第3章 HMM模型參數(shù)的獲得 9
3.1 語音信號(hào)數(shù)字處理的基本常識(shí) 9
3.1.1語音信號(hào)的頻譜 10
3.1.2音素和音節(jié) 10
3.1.3語音信號(hào)的短時(shí)特性 10
3.2語音信號(hào)的特征矢量的獲取 11
3.2.1倒譜 11
3.2.2DFT以及FFT 12
3.2.3線性預(yù)測(cè)編碼（LPC） 12
3.2.4線性預(yù)測(cè)倒譜系數(shù)（LPCC） 14
3.2.5Mel倒譜參數(shù)(MFCC) 15
3.2.6倒譜的算法 16
第4章 隱馬爾可夫模型基本理論 18
4.1隱馬爾可夫模型概述 18
4.1.1馬爾可夫過程及隱馬爾可夫模型 18
4.1.2隱馬爾可夫模型的結(jié)構(gòu)和類型 20
4.2 HMM模型的關(guān)鍵技術(shù)及解決算法 22
4.2.1P(O|M)的解決算法 23
4.2.2最佳狀態(tài)序列的選擇 24
4.2.3HMM的訓(xùn)練算法 25
4.2.3 HMM的訓(xùn)練 28
4.3HMM模型的缺陷及改進(jìn) 29
4.3.1HMM存在的問題及解決 29
4.3.2對(duì)HMM模型的改進(jìn) 30
第5章語音識(shí)別處理中HMM性能分析 32
5.1語音識(shí)別基本原理 32
5.2孤立詞識(shí)別 33
5.3實(shí)驗(yàn)結(jié)果及總結(jié) 34
5.3.1實(shí)驗(yàn)準(zhǔn)備 34
5.3.2實(shí)驗(yàn)結(jié)果與分析 35
結(jié) 論 36
參考文獻(xiàn) 37
附錄1 錯(cuò)誤！未定義書簽。
附錄2 錯(cuò)誤！未定義書簽。
致謝 39

部分參考文獻(xiàn)
1 趙力.語音信號(hào)處理.北京：機(jī)械工業(yè)出版社，2003，p253～297
2 易克初，田斌，付強(qiáng).語音信號(hào)處理.北京：國(guó)防工業(yè)出版社，2000，p196～246
3 胡航.語音信號(hào)處理.哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2005，p35～96
4 傅國(guó)康.語音識(shí)別的馬爾可夫理論研究.西安：西北工業(yè)大學(xué)，1999，p25～110
5 胡鋼.漢語孤立詞語音識(shí)別算法分析與研究.(碩士學(xué)位論文)遼寧：鞍山科技大學(xué)，2003，p16～59
6 胡可，張大力.一類廣義隱馬爾可夫的建模與參數(shù)估計(jì).見：中國(guó)科學(xué)院研究生學(xué)報(bào).合肥：中國(guó)科學(xué)技術(shù)大學(xué)自動(dòng)化系，2005，p3～10
7 李云霞，吳亞棟.基于HMM的關(guān)鍵詞識(shí)別系統(tǒng).見：計(jì)算機(jī)工程.上海：上海交通大學(xué)計(jì)算機(jī)系，2004，p12～23