《基于隱馬爾可夫模型的語音識別技術(shù)研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchofSpeechRecognitiontechnologyBasedonHA心僵ByShuangyanJin一一fSupervisor：Prof．HaoliangLiRadioPhysicsSchoolofInformationEngineeringMay2013原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究作出重要貢獻(xiàn)的個(gè)

2、人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。學(xué)位論文作者：靳強(qiáng)乒日期：>13年-J月／J日學(xué)位論文使用授權(quán)聲明本人在導(dǎo)師指導(dǎo)下完成的論文及相關(guān)的職務(wù)作品，知識產(chǎn)權(quán)歸屬鄭州大學(xué)。根據(jù)鄭州大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留或向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱；本人授權(quán)鄭州大學(xué)可以將本學(xué)位論文的全部或部分編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或者其他復(fù)制手段保存論文和匯編本學(xué)位論文。本人離校后發(fā)表、使用學(xué)位論文或與該學(xué)位論文直接相關(guān)的學(xué)術(shù)論文或成果時(shí)，第一署名單位仍然為鄭州大學(xué)。保密論文在解密后應(yīng)遵守此規(guī)定。學(xué)位論文作者：斬l屯笏

3、日期：聊年r月壓日摘要摘要語音識別技術(shù)是機(jī)器學(xué)習(xí)的重要內(nèi)容之一，涉及信息處理、人工智能和模式識別等多個(gè)學(xué)科內(nèi)容，已經(jīng)在社會生活中得到廣泛的應(yīng)用。語音識別是讓機(jī)器聽懂人的語言，理解人的意圖，并對其做出相應(yīng)的反應(yīng)，實(shí)現(xiàn)人與機(jī)器的交互通信。本文基于隱馬爾可夫模型(HiddenMarkovModel)，建立了一套語音識別仿真系統(tǒng)。本文首先分析語音信號的預(yù)處理過程，提出采用雙門限法，即將短時(shí)能量和短時(shí)過零率相結(jié)合，對語音信號進(jìn)行端點(diǎn)檢測。相對于單一方法的端點(diǎn)檢測方法能得到更精確的語音段，為語音信號的后續(xù)處理奠定了基礎(chǔ)。接著詳細(xì)闡述了兩種特征參數(shù)提取方法，包括線性預(yù)測倒譜系數(shù)(LPCC)和Mel倒譜系數(shù)

4、(MFCC)，并分析了MFCC的一階差分系數(shù)，得出結(jié)合一階差分后的倒譜參數(shù)，可將語音識別率提高4％左右。最后，本文著重研究了基于HMM的語音識別算法，在Mmlab平臺上實(shí)現(xiàn)了一個(gè)較為完整的語音識別仿真過程，包含語音庫的建立、預(yù)處理、特征參數(shù)提取、訓(xùn)練(即參數(shù)選擇)、識別等過程。本論文建立了一個(gè)由10個(gè)人的錄音組成的語音數(shù)據(jù)庫，由漢語數(shù)字0～9、“鄭”、“州”、“大”、“學(xué)”共14個(gè)樣本組成，總共700個(gè)發(fā)音，為論文提供仿真實(shí)驗(yàn)數(shù)據(jù)。對HMM在實(shí)際中的應(yīng)用做了優(yōu)化處理，包括初始模型選取、Viterbi算法的對數(shù)處理以及參數(shù)重估問題。通過分析實(shí)驗(yàn)結(jié)果，得出CHMM狀態(tài)數(shù)為4，訓(xùn)練次數(shù)為20次，特

5、征參數(shù)選取48維LPCC和MFCC的混合參數(shù)，可使語音識別系統(tǒng)對于漢語孤立詞的識別率達(dá)到90％。在試驗(yàn)過程中本文還分析了由于漢語發(fā)音的復(fù)雜性和特殊性而引起的有些樣本元素的誤識問題，并提出了待解決方案。關(guān)鍵詞：隱馬爾可夫模型；端點(diǎn)檢測；語音特征參數(shù)提取；語音識別AbstractSpeechrecognitiontechnologyisanimportantpartofmachinelearning，whichinvolvesmultipledisciplinescontentoftheinformationprocessing，artificialintelligenceandpattemre

6、cognitionandSOon．Ithasbeenwidelyusedinthesociallife．Speechrecognitionallowsmachinestounderstandhumanlanguageandtheintentofthepersonandreactaccordingly,ultimatelyrealizestheinteractivecommunicationbetweenmanandmachine．ThispapersetsupaspeechrecognitionsimulationsystembasedonHiddenMarkovModels．Thispap

7、erfirstanalyzestheprocessofspeechsignalpretreatment，proposesdual-thresholdmethod，whichisthecombinationofshort-timeenergyandshort-timezero—crossingrate，tomakespeechsignalendpointdetection．Comparedtothesingle