基于多特征參數(shù)混合語(yǔ)音識(shí)別系統(tǒng)研究與實(shí)現(xiàn).pdf

1、近年來(lái)，隨著科學(xué)技術(shù)的迅猛發(fā)展，語(yǔ)音識(shí)別技術(shù)被廣泛應(yīng)用于各行各業(yè)。本文在分析和總結(jié)前人研究的基礎(chǔ)上，提出了基于多特征參數(shù)混合的研究思路，以此來(lái)解決在識(shí)別率和魯棒性方面存在的問(wèn)題。由此可見(jiàn)，如何提取高效全面完整的語(yǔ)音特征信息成了本文研究的重點(diǎn)。具體研究?jī)?nèi)容如下：
　　1.簡(jiǎn)單了解了語(yǔ)音識(shí)別的發(fā)展現(xiàn)狀，結(jié)合識(shí)別模型分析了系統(tǒng)組成結(jié)構(gòu)及其原理，并對(duì)涉及的算法進(jìn)行了數(shù)學(xué)推導(dǎo)和實(shí)驗(yàn)仿真，同時(shí)比較了常用語(yǔ)音識(shí)別算法的優(yōu)劣。
　　2.重點(diǎn)

2、研究了時(shí)域和頻域特征參數(shù)的提取算法以及參數(shù)混合方法。常用的時(shí)域和頻域特征參數(shù)包括短時(shí)過(guò)零率，基音周期，短時(shí)能量，以及線性預(yù)測(cè)倒譜系數(shù)（LPCC），梅爾倒譜系數(shù)（MFCC），伽馬通濾波器系數(shù)（GFCC）等。針對(duì)以上每個(gè)參數(shù)給出了詳細(xì)的提取算法，并比較和分析了各參數(shù)的優(yōu)缺點(diǎn)，在綜合發(fā)聲機(jī)理和人耳聽(tīng)覺(jué)特性的基礎(chǔ)上，提出了時(shí)域和頻域參數(shù)混合的方法。然后對(duì)主成分分析（PCA），K-means聚類(lèi)，F(xiàn)isher準(zhǔn)則等數(shù)據(jù)降維方法做了簡(jiǎn)單推導(dǎo)，依照各

3、參數(shù)特點(diǎn)，提出了兩種混合方案：第一種是PCA與K-means相結(jié)合或者單獨(dú)使用的方案，第二種是Fisher與K-means相結(jié)合或者單獨(dú)使用的方案。最終用MATLAB完成對(duì)各特征參數(shù)提取算法和混合方法的仿真，實(shí)驗(yàn)表明，在不同信噪比下，第一種混合方案混合特征參數(shù)比單一參數(shù)平均識(shí)別率高2.6個(gè)百分點(diǎn)，第二種方案高4.1個(gè)百分點(diǎn)，但二者的運(yùn)行時(shí)間并無(wú)較大差異。
　　3.仿真了整個(gè)系統(tǒng)，證明了混合算法的可行性，尤其對(duì)比了兩種混合方案下基于