語言是人類最基本最原始的交流方式,人們通過語音來傳遞信息、交流情感,可以說,沒有語言就不會有文字,更不會有人類的文明。因此,說語言是人類最重要的標志,一點都不為過,它是促進人類進步的巨大動力。人類的進步離不開計算機,計算機為很多工程提供了有效地解決方法,使很多復(fù)雜的計算得以實現(xiàn),而且,人類與計算機的交流也變得更加豐富、直接。人機對話離不開語言,因此,讓計算機聽懂人類的語言一直以來都是科學(xué)家研究的重要課題。它的涉及面很廣,包括數(shù)學(xué)、生理學(xué)、心理學(xué)以及計算機科學(xué)等等。語音識別可以分為三個領(lǐng)域:1)孤立詞識別;2)連續(xù)語音識別,就是連續(xù)的句子進行識別;3)語義理解,它的目的不是翻譯而是理解系統(tǒng)的含義,對說話的指對令或要求做出正確的反饋。語音識別還受所處環(huán)境的影響,噪聲影響語音識別的效果�，F(xiàn)代艦船已經(jīng)是一個國家海上力量的重要表現(xiàn),現(xiàn)代海洋戰(zhàn)爭離不開艦船。我們國家有廣闊的領(lǐng)海,保衛(wèi)領(lǐng)海安全不受侵犯在當今社會顯得尤為重要。而一艘艦船的整體戰(zhàn)斗性絕大部分取決于它的指揮系統(tǒng),指揮人員靠發(fā)出指令來指揮艦船的行為,發(fā)揮它的戰(zhàn)斗能力。指揮艙是一個復(fù)雜的環(huán)境,存在許許多多噪聲干擾,影響各戰(zhàn)斗部門之間的信息的接... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 本文研究的背景
    1.2 課題研究的目的意義
    1.3 語音識別技術(shù)的發(fā)展及研究現(xiàn)狀
    1.4 存在的問題
    1.5 論文結(jié)構(gòu)
第2章 現(xiàn)代語音識別技術(shù)
    2.1 基礎(chǔ)知識
        2.1.1 概述
        2.1.2 語音識別方法
    2.2 特征表示與提取
        2.2.1 LPC倒譜系數(shù)
        2.2.2 Mel頻率倒譜系數(shù)
    2.3 語音識別性能
        2.3.1 錄音方式
        2.3.2 識別對象
        2.3.3 魯棒性
    2.4 本章小結(jié)
第3章 傳統(tǒng)語音識別算法
    3.1 語音信號處理
        3.1.1 端點檢測技術(shù)
        3.1.2 特征數(shù)據(jù)處理
        3.1.3 K均值聚類算法
    3.2 矢量量化技術(shù)
        3.2.1 概述
        3.2.2 算法原理
    3.3 隱馬爾科夫模型
        3.3.1 概述
        3.3.2 隱馬爾科夫模型
        3.3.3 HMM的估計問題
        3.3.4 HMM的解碼問題
        3.3.5 HMM的學(xué)習(xí)問題
    3.4 實驗結(jié)果與分析
        3.4.1 交叉熵端點檢測結(jié)果
        3.4.2 語音識別結(jié)果
    3.5 本章小結(jié)
第4章 基于支持向量機的語音識別算法
    4.1 統(tǒng)計學(xué)習(xí)理論
        4.1.1 機器學(xué)習(xí)問題
        4.1.2 經(jīng)驗風(fēng)險最小化
        4.1.3 VC維
        4.1.4 學(xué)習(xí)過程的一致性
        4.1.5 結(jié)構(gòu)風(fēng)險最小化
        4.1.6 核方法
    4.2 支持向量機
        4.2.1 支持向量機的特點
        4.2.2 支持向量機的重要思想和方法
        4.2.3 支持向量機算法
        4.2.4 支持向量機算法步驟
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 基于相關(guān)向量機的語音識別算法
    5.1 相關(guān)向量機模型
        5.1.1 貝葉斯體系
        5.1.2 模型描述
        5.1.3 核函數(shù)
        5.1.4 多類分類器
    5.2 相關(guān)向量機學(xué)習(xí)算法
        5.2.1 算法原理
        5.2.2 快速序列稀疏貝葉斯算法描述
    5.3 實驗結(jié)果與分析
        5.3.1 算法描述
        5.3.2 實驗結(jié)果
    5.4 本章小結(jié)
總結(jié)
參考文獻
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]相關(guān)向量機及在說話人識別應(yīng)用中的研究[J]. 楊成福,章毅.  電子科技大學(xué)學(xué)報. 2010(02)
[2]基于相關(guān)向量機的機器學(xué)習(xí)算法研究與應(yīng)用[J]. 楊樹仁,沈洪遠.  計算技術(shù)與自動化. 2010(01)
[3]基于交叉熵順序統(tǒng)計濾波的語音端點檢測算法[J]. 錢彥旻,劉加.  清華大學(xué)學(xué)報(自然科學(xué)版). 2009(10)
[4]基于DTW算法的語音識別系統(tǒng)實現(xiàn)[J]. 吳曉平,崔光照,路康.  電子工程師. 2004(07)
[5]語音識別及其關(guān)鍵技術(shù)[J]. 聶敏.  微波與衛(wèi)星通信. 1999(04)
[6]語音識別技術(shù)評述[J]. 李曉霞,王東木,李雪耀.  計算機應(yīng)用研究. 1999(10)
[7]語音識別的研究與進展[J]. 江銘炎,李浩.  山東電子. 1999(02)
[8]艦船指揮艙室強噪聲環(huán)境下語音識別[J]. 李雪耀,林娟,楊崇林.  船舶工程. 1999(02)
[9]無端點檢測漢語識別算法的實現(xiàn)及改進——動態(tài)時間規(guī)整和隱馬爾可夫統(tǒng)一模型的應(yīng)用[J]. 張杰,黃志同.  聲學(xué)技術(shù). 1998(04)

碩士論文
[1]噪聲環(huán)境下漢語數(shù)字語音識別系統(tǒng)的研究[D]. 孫炯寧.南京信息工程大學(xué) 2005
[2]語音識別技術(shù)研究[D]. 馬俊.哈爾濱工程大學(xué) 2004



本文編號：3193484