發(fā)布時(shí)間：2019-08-14 11:48

【摘要】：語音識別技術(shù)在近些年得到了大力發(fā)展,并且語音識別在汽車工業(yè)、航空航天、信息通訊等領(lǐng)域有著越來越廣泛的應(yīng)用�，F(xiàn)階段常用的語音識別算法主要有動態(tài)時(shí)間規(guī)劃算法、隱馬爾科夫算法和人工神經(jīng)網(wǎng)絡(luò)算法。上述幾種算法都存在著計(jì)算量大、識別時(shí)間長等不足,并且實(shí)際應(yīng)用中極少有將語音識別應(yīng)用于工業(yè)設(shè)計(jì)。針對上述方法中共同存在的不足,本文嘗試了基于元音周期的語音識別算法,并將語音識別應(yīng)用于三維幾何建模。該算法根據(jù)元音序列特征進(jìn)行模板匹配,在樣本庫相對固定時(shí)可大幅度降低計(jì)算量和識別時(shí)間。然而本方法準(zhǔn)確率較現(xiàn)有算法(準(zhǔn)確率可達(dá)95%)低,故在實(shí)際應(yīng)用中,本課題仍使用隱馬爾科夫算法進(jìn)行自動語音幾何建模。本文為工業(yè)設(shè)計(jì)中的人機(jī)交互方式提供了積極探索,因此,本文具有重要的應(yīng)用價(jià)值。本文以三維建模軟件的自動建模為應(yīng)用目標(biāo),以隱馬爾科夫算法作為語音識別的代表進(jìn)行研究。圍繞著設(shè)計(jì)自動化,本課題研究了“基于HMM的特征元素語音幾何建模方法研究與實(shí)驗(yàn)分析”。本文內(nèi)容主要包括:首先,本文對動態(tài)時(shí)間規(guī)劃算法和隱馬爾科夫算法的語音識別方法進(jìn)行了研究。研究了上述兩種算法的語音識別基本原理及相關(guān)技術(shù),搭建了一個(gè)語音識別系統(tǒng),對兩種算法進(jìn)行仿真,并對比分析實(shí)驗(yàn)結(jié)果,隱馬爾科夫算法識別效率高于動態(tài)時(shí)間規(guī)劃算法。本課題也對基于元音周期的語音識別算法進(jìn)行了試驗(yàn),結(jié)果表明僅靠元音信號的概率分布特性難以進(jìn)行區(qū)分,導(dǎo)致用本算法進(jìn)行語音識別時(shí)正確率低下。故本課題三維建模中的語音識別環(huán)節(jié)使用隱馬爾科夫算法。其次,本文對三維建模軟件中特征元素的分類和識別進(jìn)行了研究。將建模樣本按照長度進(jìn)行分類,測試模板進(jìn)入對應(yīng)長度樣本庫進(jìn)行語音識別。試驗(yàn)結(jié)果表明這種識別方法會降低總體正確率。于是本課題進(jìn)行了樣本庫改進(jìn),使得語音識別效率大為提升。本文以三維建模軟件界面中菜單項(xiàng)坐標(biāo)作為其幾何特征,通過數(shù)據(jù)通信,使語音識別結(jié)果與幾何特征之間一一映射,以實(shí)現(xiàn)對建模軟件的語音控制。最后,本課題搭建了一個(gè)語音自動幾何建模原型系統(tǒng),該原型系統(tǒng)的主要任務(wù)是完成對Pro/E軟件的語音控制。本課題在分別完成錄音軟件開發(fā)、語音識別動態(tài)鏈接庫調(diào)用、Pro/E軟件的調(diào)用工作后,將各模塊整合完成原型系統(tǒng)開發(fā)。該原型系統(tǒng)建立好后,經(jīng)過試驗(yàn)分析以及對原型系統(tǒng)進(jìn)行性能測試,本課題所開發(fā)的原型系統(tǒng)能實(shí)現(xiàn)對Pro/E的語音控制,本課題原型系統(tǒng)完成一次語音自動建模的時(shí)間在20秒至37秒之間不等。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN912.34

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 楊丹;姜占才;余鎣良;李振起;;語音信號共振峰提取方法的研究分析[J];科技信息;2012年04期

2 唐濤;李敏;王君英;;CAD/CAM快速成型個(gè)性化樁核設(shè)計(jì)制作[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

，

本文編號：2526554