语音识别实验报告.docx

语音识别实验报告
篇一：语音识别报告
“启动”的时域波形
一、语音预加重：
由于语音信号在高频部份衰减，在进行频谱分析时，频 率越高，所占的成份越小，进行语音预加重，能够提升语音 高频部份，使频谱变得平坦，以方便进行频谱的分析和处置量成为码字，这组量化矢量长度选择32。
计算特点矢量与每一个码字的失真度，用失真度 最小的特点矢量的标号代替该特点矢
量，如此将一个矩阵转换为一个矢量。
六、训练和识别
语音识别进程是依照模式匹配原那么，计算未知语音模 式与语音模板库中的每一个模板的距离测度，从而取得最正 确的匹配模式。语音识别所应用的模型匹配方式要紧有动态 时刻弯折、隐式马尔可夫模型和人工神经网络。
隐马尔科夫模型是用于描述随机进程统计特性的概率 模型，在实际问题中，观看者只能看到观看值，而观看值并 非与状态一一对应，因此，不能直接看到状态，而只能是通 过一个随机进程去感知状态的存在及其特点。因此称之为隐 马尔科夫模型(HMM)。在HMM中有5个参数。
N：模型中状态数量。记N个状态为?1，?，?N，记t 时刻所处状态为qt。
M:每一个状态对应的可能的观看值数量。记M个观 看值为？1,?,?M，记t时刻观看到的观看值为ot。
⑶？：初始状态概率矢量，？？(？1,?,?N)， 中？i?P(q1??i),1?i?N。
A :状态转移概率矩阵，A?(aij)N?N,其中 aij?P(qt?1??j|qt??t)。
B :观看值概率矩阵，B?(bij)N?M，其中 bij?P(ot?vj|qt??j)。
如此，能够记一个HMM为?？ (N,虬？,A,B)。
语音信号本身是一个可观看序列，但它是由大脑中的
(不可察序列)、依照言语需要和语法知识(状态选择)所发出 的音素(词、句)参数流，因此，能够用HMM模型来描述语音 信号。语音识别中的孤立词识别，对每一个孤立词成立一个 HMM模型，当输入一个孤立词时，先对它进行特点值的提取， 利用矢量量化将矢量序列转换为一组符号，然后计算这组符 号和每一个HMM上的输出概率，概率最值所对应的孤立词确 实是识别结果。
孤立词的语音识别中要紧解决三个问题：
给定观看值序列O?o1,o2,?,oT，(T是语音信号帧 的长度)和模型？的情形下，计算给定模型参数时观看值序 列的概率P(O|?)。
给定观看值序列O?o1,o2,?,oT和模型？，选择对 应的最优状态序列q?q1,q2,?,qT。该问题将揭露模型的隐含 部份，即估量出模型产生观看值序列时可能经历的途径，并 选择出概率最大得一条路经。
如何调整模型参数?元(AB)，使P最大，这是一个 训练进程来训练HMM，它能够使模型参数最为理想地适应所 观看到的训练数据。
因此在模板训练中要紧解决第三个问题，对每一个词 别离进行训练，取得模型参数，然后对要识别的词在每一个 模板下进行问题一的计算，取得最大的概率，将其对应的模 板作为结果。
篇二：语音识别系统的开题报告
天津理工大学本科毕业设计开题报告
届：XX届 学院：自动化学院 专业：测控技术与仪 器XX 年 3月11日
篇三：DSP课程设计语音识别报告
DSP课程设计
语音识别课题报告
姓名高鹏于是阳
学号 1221XX12212025
学院电子信息工程学院
班级自动化1202
指导教师钱满义
一、设计任务书

把握利用DSP进行语音信号搜集的方式，利用DSP对 语音信号进行特点提取，从而实现语音信号的识别。学会A/D、
D/A的工作原理和利用，学会A/D、D/A转换器的编程方式。 以语音信号处置为依托，深切明白得信号的抽样和重建的大 体方式，提高学生系统地试探问题和解决实际问题的能力。
通过挪用DSP CSL库对McBSP接口的编程，学会DSP片上 外设的利用方式。

（1） 对DMA进行初始化；
（2） 对A/D、D/A进行初始化；
（3） 编写DMA中断效劳程序，实现语音信号的实时识 别；
（4） 依照识别系统的类型选择一种识别方式，采纳语 音分析方式分析出这种识别方式所要求的语音特点参数， 作为标准模式由机械存储起来，形成标准模式库。
（5） 对语音进行特点参数的分析，语音信号通过相同 的通道取得语音参数，生成测试模板；
（6） 将测试模板与参考模板进行匹配，将匹配分数最 高的参考模板作为识别结果，从而实现语音的识别。

第一利用DSP对语音信号进行分析，提取语音的特点参 数，形成“模板”。语音识别系统对特点参量的提取可采纳 FFT算法。语音识别和说话人识别中的LPC倒谱和MEL倒谱， 都与语音的频谱包络紧密相关，不同的参数表示不同的频谱 包络。识别时，对