具有語音識別功能的電子鎖.zip
具有語音識別功能的電子鎖,目 錄第一章 緒 論 51.1 課題研究的背景和意義 51.1.1 國外研究歷史及現(xiàn)狀 51.1.2 國內(nèi)研究歷史及現(xiàn)狀 61.2 識別系統(tǒng)存在的難點問題 71.3 設(shè)計的研究內(nèi)容和主要工作 81.4 本次設(shè)計主要內(nèi)容 8第二章 語音信號的預(yù)處理處理 102.1 引言 102.2 語音信號的數(shù)字化和預(yù)處理 102.2....
該文檔為壓縮文件,包含的文件列表如下:
內(nèi)容介紹
原文檔由會員 lixiuhui7 發(fā)布
目 錄
第一章 緒 論 5
1.1 課題研究的背景和意義 5
1.1.1 國外研究歷史及現(xiàn)狀 5
1.1.2 國內(nèi)研究歷史及現(xiàn)狀 6
1.2 識別系統(tǒng)存在的難點問題 7
1.3 設(shè)計的研究內(nèi)容和主要工作 8
1.4 本次設(shè)計主要內(nèi)容 8
第二章 語音信號的預(yù)處理處理 10
2.1 引言 10
2.2 語音信號的數(shù)字化和預(yù)處理 10
2.2.1 本章結(jié)構(gòu)圖 10
2.2.2 自增益控制和預(yù)濾波 10
2.2.3 預(yù)加重 11
2.2.4 分幀與加窗 11
2.2.5 端點檢測 12
2.3 小結(jié) 13
第三章 語音信號特征參數(shù)的提取 14
3.1 引言 14
3.2. 語音信號產(chǎn)生的 LPC 數(shù)學(xué)模型 14
3.2.1 語音信號產(chǎn)生的 LPC 數(shù)學(xué)模型 14
3.2.3 LPC 復(fù)到譜 17
3.2.4 線性預(yù)測美爾到譜系數(shù) 18
3.3 小結(jié) 20
第四章 HMM算法 21
4.1 引言 21
4.2 基于連續(xù)隱馬爾可夫鏈的語音識別模型 21
4.2.1 模型概述 21
4.2.2 隱馬爾可夫模型的基本原理 21
4.3 前向概率和后向概率——HMM的輸出概率計算[12] 23
4.3.1 HMM輸出概率的計算 23
4.3.2 HMM的前向概率和后向概率 24
4.3.3 利用前向概率和后向概率計算輸出概率 25
4.3.4 識別算法——Viterbi解碼 25
4.3.5 Baum-Welch 算法 26
4.4 算法中要考慮的問題 28
4.4.1 問題的提出 28
4.4.2 重估公式的修正 29
4.4 小結(jié) 29
第五章 嵌入式系統(tǒng)的硬件描述 30
5.1 引言 30
5.2 DSP 系統(tǒng)的硬件概述 30
5.2.1 TMS320VC5416簡介 30
5.2.2 音頻采集模塊 31
5.2.3 內(nèi)部存儲器設(shè)置 32
5.2.4 外部存儲器的擴(kuò)展 33
5.3 系統(tǒng)軟硬件聯(lián)調(diào) 34
5.3.1 在 matlab 上實現(xiàn)語音識別 34
5.3.2 語音識別系統(tǒng)總體流程 36
5.3.3 語音識別系統(tǒng)聯(lián)調(diào) 39
5.3.4 結(jié)論 40
5.4 小結(jié) 41
第六章 總 結(jié) 42
6.1本文所做工作 42
6.2 進(jìn)一步展望 42
參考文獻(xiàn) 44
致 謝 46
畢業(yè)設(shè)計小結(jié) 47
第一章 緒 論 5
1.1 課題研究的背景和意義 5
1.1.1 國外研究歷史及現(xiàn)狀 5
1.1.2 國內(nèi)研究歷史及現(xiàn)狀 6
1.2 識別系統(tǒng)存在的難點問題 7
1.3 設(shè)計的研究內(nèi)容和主要工作 8
1.4 本次設(shè)計主要內(nèi)容 8
第二章 語音信號的預(yù)處理處理 10
2.1 引言 10
2.2 語音信號的數(shù)字化和預(yù)處理 10
2.2.1 本章結(jié)構(gòu)圖 10
2.2.2 自增益控制和預(yù)濾波 10
2.2.3 預(yù)加重 11
2.2.4 分幀與加窗 11
2.2.5 端點檢測 12
2.3 小結(jié) 13
第三章 語音信號特征參數(shù)的提取 14
3.1 引言 14
3.2. 語音信號產(chǎn)生的 LPC 數(shù)學(xué)模型 14
3.2.1 語音信號產(chǎn)生的 LPC 數(shù)學(xué)模型 14
3.2.3 LPC 復(fù)到譜 17
3.2.4 線性預(yù)測美爾到譜系數(shù) 18
3.3 小結(jié) 20
第四章 HMM算法 21
4.1 引言 21
4.2 基于連續(xù)隱馬爾可夫鏈的語音識別模型 21
4.2.1 模型概述 21
4.2.2 隱馬爾可夫模型的基本原理 21
4.3 前向概率和后向概率——HMM的輸出概率計算[12] 23
4.3.1 HMM輸出概率的計算 23
4.3.2 HMM的前向概率和后向概率 24
4.3.3 利用前向概率和后向概率計算輸出概率 25
4.3.4 識別算法——Viterbi解碼 25
4.3.5 Baum-Welch 算法 26
4.4 算法中要考慮的問題 28
4.4.1 問題的提出 28
4.4.2 重估公式的修正 29
4.4 小結(jié) 29
第五章 嵌入式系統(tǒng)的硬件描述 30
5.1 引言 30
5.2 DSP 系統(tǒng)的硬件概述 30
5.2.1 TMS320VC5416簡介 30
5.2.2 音頻采集模塊 31
5.2.3 內(nèi)部存儲器設(shè)置 32
5.2.4 外部存儲器的擴(kuò)展 33
5.3 系統(tǒng)軟硬件聯(lián)調(diào) 34
5.3.1 在 matlab 上實現(xiàn)語音識別 34
5.3.2 語音識別系統(tǒng)總體流程 36
5.3.3 語音識別系統(tǒng)聯(lián)調(diào) 39
5.3.4 結(jié)論 40
5.4 小結(jié) 41
第六章 總 結(jié) 42
6.1本文所做工作 42
6.2 進(jìn)一步展望 42
參考文獻(xiàn) 44
致 謝 46
畢業(yè)設(shè)計小結(jié) 47
