隨著科學(xué)技術(shù)的不斷發(fā)展,人們的需求也越來越高,迫切地希望人與計(jì)算機(jī)之間的交流實(shí)現(xiàn)智能化,也就是機(jī)器聽懂人類語言,理解人類所發(fā)出的命令,實(shí)現(xiàn)人機(jī)交互,讓機(jī)器變得更加的智能,更加富有人性,這就促使研究者們加強(qiáng)了對語音識別技術(shù)的理解和認(rèn)識,從而加快了語音識別技術(shù)的快速發(fā)展。經(jīng)過60多年研究人員的努力,語音識別技術(shù)已經(jīng)取得了一定的成果,但是更加人性化的完成人類與計(jì)算機(jī)之間的交流還存在一些技術(shù)難題�，F(xiàn)如今,語音識別系統(tǒng)在不存在環(huán)境干擾時(shí)識別率高,魯棒性強(qiáng),但是當(dāng)所處環(huán)境復(fù)雜時(shí),系統(tǒng)的識別率和魯棒性就會受到嚴(yán)重影響。因此,實(shí)現(xiàn)語音識別系統(tǒng)在噪聲干擾情況下仍然具備高識別率和強(qiáng)健抗干擾能力的研究具有著重要的意義。本文介紹了有關(guān)語音識別技術(shù)的基本原理、關(guān)鍵步驟以及基本流程框架。首先,從整體上對語音識別系統(tǒng)的幾個(gè)構(gòu)成部分進(jìn)行了分析,主要包括語音信息預(yù)處理、語音信息特征提取、語音信息模型訓(xùn)練、語音模型參數(shù)庫以及模式匹配等幾個(gè)環(huán)節(jié)。然后,針對語音信息特征提取部分進(jìn)行了重點(diǎn)研究,對LPCC、MFCC以及PNCC特征參數(shù)提取算法的過程以及計(jì)算步驟進(jìn)行了詳細(xì)的推導(dǎo)與深入的分析。其中,PNCC特征參數(shù)提取算法是受到M... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 課題研究的背景與意義
    1.2 語音識別技術(shù)研究現(xiàn)狀
        1.2.1 特征參數(shù)提取領(lǐng)域研究現(xiàn)狀
        1.2.2 語音增強(qiáng)領(lǐng)域研究現(xiàn)狀
        1.2.3 模型補(bǔ)償領(lǐng)域研究現(xiàn)狀
        1.2.4 語音識別領(lǐng)域研究現(xiàn)狀
        1.2.5 難點(diǎn)與不足
    1.3 論文的主要研究內(nèi)容及組織結(jié)構(gòu)
2 語音識別技術(shù)的基本理論
    2.1 語音識別技術(shù)基本原理及框架
    2.2 語音信號預(yù)處理
        2.2.1 語音信號的預(yù)濾波
        2.2.2 語音信號的采樣與量化
        2.2.3 語音信號的預(yù)加重
        2.2.4 語音信號的加窗分幀
        2.2.5 語音信號的端點(diǎn)檢測
    2.3 語音信號的特征參數(shù)
        2.3.1 語音信號的特征參數(shù)選擇標(biāo)準(zhǔn)
        2.3.2 語音信號特征參數(shù)的分類
    2.4 語音信號的識別模型
        2.4.1 矢量量化模型
        2.4.2 動態(tài)時(shí)間規(guī)整模型
        2.4.3 隱馬爾科夫模型
        2.4.4 人工神經(jīng)網(wǎng)絡(luò)模型
    2.5 本章小結(jié)
3 語音識別的特征參數(shù)提取
    3.1 線性預(yù)測倒譜系數(shù)LPCC
    3.2 梅爾倒譜系數(shù)MFCC
    3.3 能量規(guī)整譜系數(shù)PNCC
    3.4 基于小波改進(jìn)的PNCC特征參數(shù)提取
        3.4.1 頻率變換理論
        3.4.2 基于小波變換的PNCC語音特征改進(jìn)
        3.4.3 改進(jìn)的PNCC語音特征提取算法
    3.5 本章小結(jié)
4 基于BP神經(jīng)網(wǎng)絡(luò)的語音識別
    4.1 BP神經(jīng)網(wǎng)絡(luò)
    4.2 基于BP神經(jīng)網(wǎng)絡(luò)的語音識別算法
    4.3 實(shí)驗(yàn)仿真與分析
        4.3.1 實(shí)驗(yàn)準(zhǔn)備
        4.3.2 實(shí)驗(yàn)內(nèi)容
        4.3.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 研究展望
致謝
參考文獻(xiàn)
附錄
    A.作者在攻讀學(xué)位期間取得的科研成果目錄
    B.作者在攻讀學(xué)位期間參與的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]一種基于小波包主成分分析的語音情感識別方法[J]. 朱宗寶,王坤俠,肖玲玲,劉文靜.  安徽建筑大學(xué)學(xué)報(bào). 2017(05)
[2]基于改進(jìn)PNCC和i-vector的說話人識別魯棒性[J]. 史小元,景新幸,曾敏,楊海燕.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(04)
[3]一種改進(jìn)的聽覺特征參數(shù)應(yīng)用于說話人識別[J]. 熊冰峰,曾以成,謝小娟.  計(jì)算機(jī)應(yīng)用. 2016(S1)
[4]基于改進(jìn)雙門限法的語音端點(diǎn)檢測研究[J]. 孫一鳴,吳楊揚(yáng),李平.  長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[5]基于空間增強(qiáng)和譜減法的語音識別系統(tǒng)[J]. 倪曼蒂,李彪,鄒麗萍,張楚才.  湖南師范大學(xué)自然科學(xué)學(xué)報(bào). 2014(03)
[6]關(guān)于方言語音信息識別技術(shù)在公安工作中的應(yīng)用研究[J]. 秦飛,韓文奎,謝俊明.  甘肅警察職業(yè)學(xué)院學(xué)報(bào). 2013(03)
[7]基于隱馬爾科夫模型的非平穩(wěn)信源參數(shù)估計(jì)[J]. 宋奇峰,方勇.  計(jì)算機(jī)應(yīng)用與軟件. 2013(09)
[8]語音識別技術(shù)及應(yīng)用綜述[J]. 禹琳琳.  現(xiàn)代電子技術(shù). 2013(13)
[9]基于DTW的語音識別在MATLAB中的實(shí)現(xiàn)方法淺析[J]. 韋春麗,霍春寶.  數(shù)字技術(shù)與應(yīng)用. 2011(12)
[10]基于小波包分析的魯棒性語音識別[J]. 張君昌,李艷艷.  計(jì)算機(jī)工程與應(yīng)用. 2011(10)

博士論文
[1]基于信道信息的數(shù)字音頻盲取證關(guān)鍵問題研究[D]. 王志鋒.華南理工大學(xué) 2013
[2]基于特征變換和分類的文本無關(guān)電話語音說話人識別研究[D]. 解焱陸.中國科學(xué)技術(shù)大學(xué) 2007

碩士論文
[1]融合LPCC和MFCC特征參數(shù)的語音識別技術(shù)的研究[D]. 張文克.湘潭大學(xué) 2016
[2]融合人臉表情和語音的雙模態(tài)情感識別研究[D]. 謝坷珍.中國海洋大學(xué) 2015
[3]基于DTW的孤立詞語音識別系統(tǒng)研究[D]. 廖振東.云南大學(xué) 2015
[4]基于長時(shí)特征的語音端點(diǎn)檢測方法研究[D]. 馮璐.湖南大學(xué) 2014
[5]基于分?jǐn)?shù)階小波變換的LFM信號濾波算法研究[D]. 劉啟軍.哈爾濱工程大學(xué) 2014
[6]水下機(jī)器人語音識別仿真系統(tǒng)的研究與實(shí)現(xiàn)[D]. 姚冰.吉林大學(xué) 2012
[7]基于改進(jìn)MFCC參數(shù)的語音識別系統(tǒng)的應(yīng)用[D]. 余軍軍.江西理工大學(xué) 2012
[8]嵌入式語音識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 斯蕓蕓.重慶大學(xué) 2012
[9]分?jǐn)?shù)階小波變換及應(yīng)用研究[D]. 黃雨青.南京航空航天大學(xué) 2011
[10]噪聲環(huán)境下漢語連續(xù)語音識別技術(shù)研究[D]. 王艷.西北大學(xué) 2010



本文編號：3173856