利用matlab平臺實現(xiàn)字的語音識別功能.doc
約31頁DOC格式手機打開展開
利用matlab平臺實現(xiàn)字的語音識別功能,畢業(yè)論文（設(shè)計）利用matlab平臺實現(xiàn)字的語音識別功能31頁共計10882字摘要摘要：初步研究兩種不同的語音識別算法---動態(tài)時間伸縮算法(dtw)和隱馬爾科夫模型(hmm), 初步探究并實現(xiàn)在matlab環(huán)境中應(yīng)用dtw識別法的孤立字語音識別實驗平臺。abstract【abstract】: use two kind...
內(nèi)容介紹
此文檔由會員 bfxqt 發(fā)布
畢業(yè)論文（設(shè)計）利用MATLAB平臺實現(xiàn)字的語音識別功能
31頁共計10882字
摘 要
摘要：初步研究兩種不同的語音識別算法---動態(tài)時間伸縮算法(DTW)和隱馬爾科夫模型(HMM), 初步探究并實現(xiàn)在MATLAB環(huán)境中應(yīng)用DTW識別法的孤立字語音識別實驗平臺。
Abstract
【Abstract】: Use two kinds of arithmetic to study speech recognition: Dynamic Time Warping (DTW) and the Hidden Markov Model (HMM). Build a basic test platform of speech recognition using DTW.
【Key words】: MATLAB, speech recognition, LPC, LPCC, MFCC, Dynamic Time Warping, Hidden Markov Model
目 錄
引言 4
1.語音識別簡介 5
1.1語音識別系統(tǒng)的分類 5
1.2語音識別系統(tǒng)的基本構(gòu)成 5
2.語音識別參數(shù) 6
2.1線性預(yù)測系數(shù)(LPC) 6
2.2線性預(yù)測倒譜系數(shù)(LPCC) 8
2.3 MFCC系數(shù) 8
2.4參數(shù)計算流程 9
3.DTW算法 11
3.1 DTW算法原理 11
3.2 DTW的高效算法 14
4.HMM算法 16
4.1 HMM的原理 16
4.2 HMM的前向概率和后向概率 17
4.3識別算法——VITERBI解碼 19
4.4 BAUM-WELCH算法 20
5.實驗及總結(jié) 23
5.1 實驗準備以及步驟 23
5.2 實驗結(jié)果及討論 25
5.3 實驗結(jié)論 29
參考文獻 30
致 謝 31
關(guān)鍵字：MATLAB，語音識別，LPC，LPCC，MFCC，動態(tài)時間伸縮算法(DTW)，隱馬爾科夫模型（HMM）
參考文獻:
[1] Rabiner L, Juang B H. Fundamentals of Speech Recognition, Prentice-Hall International. Inc, 1999, p.17
[2] D.G.Childers, Matlab之語音處理與合成工具箱（影印版）, 清華大學(xué)出版社, 2004, p.45-51
[3] 黃文梅, 熊桂林, 楊勇, 信號分析與處理—MATLAB語言及應(yīng)用, 國防科技大學(xué)出版社, 2000, p.37-40
[4] 楊行峻, 遲惠生,“語音數(shù)字信號處理”, 電子工業(yè)出版社. 1995
[5] 張焱, 張杰, 黃志同, 語音識別中動態(tài)時間規(guī)整和隱馬爾可夫統(tǒng)一模型 數(shù)據(jù)采集與處理 1997年03期 p.218-222
[6] 何強, 何英, MATLAB擴展編程[M], 清華大學(xué)出版社, 2002 p.345-347
[7] Rabiner L and Juang B H. Introduction to hidden Markov models, IEEE ASSP Mag, vol.3,no.1,4-16,1986
[8] Huang X D. Hidden Markov Models for Speech Recognition, Edinburgh Information Technology Series.1999(7):136-202
[9] Rabiner L, A tutorial on hidden Markov models and selected applications in speech recognition, Proc, of IEEE, 77(2)257-286,1989
[10] Jen+Tzung Chien, Predictive Hidden Markov Model Selection for Speech Recognition, IEEE Transaction on Speech and Audio Processing, vol.13, No.3, May 2005
[11] 謝錦輝, 隱Markov模型(HMM)及其在語音處理中的應(yīng)用, 華中理工大學(xué)出版社.
[12] Christoph Gerber, A General Approach to Speech Recognition, Electronic Workshops in Computing, 1995
[13] Xu Bo, FENG Yuguang, YU Jinsong, Intelligent classifier for dynamic fault patterns based on Hidden Markov Model
[14] MATLAB Primer, seventh edition, Chapman & Hall/CRC 2005
[15] Ara V.Nefian. Luhong Liang, Dynamic Bayesian Networks for Audio-Visual Speech Recognition, EURASIP Journal on Applied Signal Processing 2002:11,1-15
31頁共計10882字
摘 要
摘要：初步研究兩種不同的語音識別算法---動態(tài)時間伸縮算法(DTW)和隱馬爾科夫模型(HMM), 初步探究并實現(xiàn)在MATLAB環(huán)境中應(yīng)用DTW識別法的孤立字語音識別實驗平臺。
Abstract
【Abstract】: Use two kinds of arithmetic to study speech recognition: Dynamic Time Warping (DTW) and the Hidden Markov Model (HMM). Build a basic test platform of speech recognition using DTW.
【Key words】: MATLAB, speech recognition, LPC, LPCC, MFCC, Dynamic Time Warping, Hidden Markov Model
目 錄
引言 4
1.語音識別簡介 5
1.1語音識別系統(tǒng)的分類 5
1.2語音識別系統(tǒng)的基本構(gòu)成 5
2.語音識別參數(shù) 6
2.1線性預(yù)測系數(shù)(LPC) 6
2.2線性預(yù)測倒譜系數(shù)(LPCC) 8
2.3 MFCC系數(shù) 8
2.4參數(shù)計算流程 9
3.DTW算法 11
3.1 DTW算法原理 11
3.2 DTW的高效算法 14
4.HMM算法 16
4.1 HMM的原理 16
4.2 HMM的前向概率和后向概率 17
4.3識別算法——VITERBI解碼 19
4.4 BAUM-WELCH算法 20
5.實驗及總結(jié) 23
5.1 實驗準備以及步驟 23
5.2 實驗結(jié)果及討論 25
5.3 實驗結(jié)論 29
參考文獻 30
致 謝 31
關(guān)鍵字：MATLAB，語音識別，LPC，LPCC，MFCC，動態(tài)時間伸縮算法(DTW)，隱馬爾科夫模型（HMM）
參考文獻:
[1] Rabiner L, Juang B H. Fundamentals of Speech Recognition, Prentice-Hall International. Inc, 1999, p.17
[2] D.G.Childers, Matlab之語音處理與合成工具箱（影印版）, 清華大學(xué)出版社, 2004, p.45-51
[3] 黃文梅, 熊桂林, 楊勇, 信號分析與處理—MATLAB語言及應(yīng)用, 國防科技大學(xué)出版社, 2000, p.37-40
[4] 楊行峻, 遲惠生,“語音數(shù)字信號處理”, 電子工業(yè)出版社. 1995
[5] 張焱, 張杰, 黃志同, 語音識別中動態(tài)時間規(guī)整和隱馬爾可夫統(tǒng)一模型 數(shù)據(jù)采集與處理 1997年03期 p.218-222
[6] 何強, 何英, MATLAB擴展編程[M], 清華大學(xué)出版社, 2002 p.345-347
[7] Rabiner L and Juang B H. Introduction to hidden Markov models, IEEE ASSP Mag, vol.3,no.1,4-16,1986
[8] Huang X D. Hidden Markov Models for Speech Recognition, Edinburgh Information Technology Series.1999(7):136-202
[9] Rabiner L, A tutorial on hidden Markov models and selected applications in speech recognition, Proc, of IEEE, 77(2)257-286,1989
[10] Jen+Tzung Chien, Predictive Hidden Markov Model Selection for Speech Recognition, IEEE Transaction on Speech and Audio Processing, vol.13, No.3, May 2005
[11] 謝錦輝, 隱Markov模型(HMM)及其在語音處理中的應(yīng)用, 華中理工大學(xué)出版社.
[12] Christoph Gerber, A General Approach to Speech Recognition, Electronic Workshops in Computing, 1995
[13] Xu Bo, FENG Yuguang, YU Jinsong, Intelligent classifier for dynamic fault patterns based on Hidden Markov Model
[14] MATLAB Primer, seventh edition, Chapman & Hall/CRC 2005
[15] Ara V.Nefian. Luhong Liang, Dynamic Bayesian Networks for Audio-Visual Speech Recognition, EURASIP Journal on Applied Signal Processing 2002:11,1-15
