论文部分内容阅读
语音识别技术是计算机技术研究的一个重要领域，具有极大的研究价值和广泛的应用前景。但是现今的语音识别系统大多还局限于实验室，尽管已有一些产品进入市场，但是其使用效果距离人们期望的水平还有较大的差距。本文紧紧抓住语音识别系统中识别效率和识别率两个关键因素，按照语音识别的流程，对语音识别中的关键技术进行了深入研究。首先，论文在介绍了语音识别的基本原理和流程框架后，又分析了语音信号产生的数学模型以及语音信号的预处理问题，并针对传统端点检测算法的不足，提出了一种新的基于图像边缘检测技术的端点检测方法。实验结果表明，新的端点检测方法使检测准确率提高了18.6%，优于传统的检测方法。其次，论文介绍并讨论了几种常用的语音特征参数的特点和提取过程，在深入分析MFCC参数的基础上，对其进行了特征加权、差分、PCA降维等处理，获得了一种新的改进型的MFCC参数。实验证明，新的特征参数增强了语音识别系统的鲁棒性，在三种不同噪声环境下的平均识别率较传统的LPCC参数和MFCC参数分别提高了9.2%和4.3%，平均训练时间分别缩短了18.2%和11.5%。再次，本文重点研究了基于HMM的语音识别技术。正是由于HMM在语音识别中的应用，才推动了语音识别技术的飞跃式发展，同时HMM技术也是目前应用最为广泛的一种语音识别的建模技术。针对传统HMM模型的初始化方法过于简单和粗糙的缺点，本文提出了一种改进的HMM模型的初始化方法。实验结果表明，新的初始化方法使得HMM模型的平均训练时间缩短了36.9%，系统识别率提高了5.2%。最后，论文在对语音识别理论研究的基础上，结合语音识别算法的实现，利用MATLAB软件平台和自带的VoiceBox语音信号处理工具箱，建立了一个语音识别的仿真实验平台，并在此平台上进行仿真实验，实验结果表明，该系统对孤立词的识别率达到了95.5%。