论文部分内容阅读
人和人之间用于信息交换的工具有很多种,而其中最直接、最方便的就是语音。语音识别技术(Speech Recognition)是把包含在语音中的有用信息转化成为机器语言。近些年来,在许多高科技领域中,语音识别技术的研究正盛,其实际应用也已遍布于工业控制、移动通信领域以及消费类产品中。正是在这种背景下,本文研究了语音识别的技术和算法,对比分析了目前识别算法中较为主流的动态时间规划(Dynamic Time Warping, DTW)算法和隐马尔科夫模型(Hidden Markov Models,HMM)算法,对传统的DTW算法提出了改进措施来减小算量,给出了所有算法的Matlab仿真,最后设计了以DTW算法为识别算法、以DSP芯片为中央处理单元的小词汇量、孤立词语音识别系统。论文首先介绍了课题的研究背景和意义,回顾了语音识别技术在国内外的发展历史,并对研究现状和目前的难点及问题作了介绍和分析。在此基础上,展开课题的研究。其次,论文介绍了语音识别的理论知识,包括基本理论、识别的工作流程,包括语音信号的预处理、端点检测、特征提取、模板训练和识别等环节。其中,在特征参数方面,通过分析比较几种常用的特征参数,最终采用美尔频率倒谱系数(MFCC)作为系统的特征参数;在识别算法方面,研究比较了DTW算法和HMM算法,并对传统DTW算法中运算量较大的缺点提出改进措施。用Matlab7.0对系统所用所有环节的算法实施了仿真,验证了算法的正确性。设计仿真实验,对比了DTW算法和HMM算法的优缺点,综合考虑系统需求和对算法的适应性,选择DTW算法作为系统的识别算法。硬件方面,构建了以TI公司的TMS320VC5509A DSP为中央处理单元的孤立词语音识别系统,设计出了各个模块的电路,包括音频采集模块、CPLD逻辑控制模块、电源模块、外部存储器模块、JTAG调试模块以及时钟和复位电路等。软件方面,根据系统需求,设计了系统软件,给出了系统硬件模块初始化流程以及主要的识别算法的流程,并附上了相应的流程图。最后对系统性能进行测试并得出实验结果。通过分析实验结果可以说明,对于小词汇量、孤立词的语音识别,本系统到达了较好的效果。