一种基于三角模糊数AHP的机载语音识别系统评价

语音识别技术近年来发展迅速,不断应用于各个领域,机载语音识别系统就是语音识别技术在飞机航电系统上的应用。它的产生大大地降低了飞行员的工作负荷,使得人机交互更加便捷与快速。但是当前针对机载语音识别系统的评估方法多为单纯地计算识别正确率,没有和人机功效等因素进行有效的结合,评价不够全面。

面向政务系统的大数据语音识别系统应用及研究

当前对于大数据语音识别系统在政务系统应用中存在诸多缺陷,因此,研究将LSTM与CTC进行融合得到了LSTM-CTC声学模型,并进一步优化得到BiLSTM-CTC声学模型,同时验证其有效性。实验结果表明,在训练轮数为8时BiLSTM-CTC模型的WER值为60.38%,在训练轮数为16时,BiLSTM-CTC声学模型的WER值为11.87%,均低于对比模型。同时,在实际的政务系统大数据语音识别中,BiLSTM-CTC声学模型在安静与低噪声环境下均具有较高的识别准确性,平均识别率分别为92.6%和85%。综合来看,BiLSTM-CTC声学模型在识别政务系统的大数据语音中具备较高的准确性,在实际中可以有效推进政务系统语音识别功能的发展。

基于自然语言处理的供应链调度指令语音识别系统

传统的手动调度方式已经无法满足需求,对于一些特殊场景,如仓储、配送、生产等环节,人工调度往往存在效率低下和容易产生误差的问题。为了实现供应链的高效调度和优化,本研究旨在通过识别用户的语音指令,自动分析、理解和解释这些指令,并将其转化为可执行的供应链调度操作。采用自然语言处理技术和语音识别技术,并通过数据集训练和深度学习方法来改善识别性能。以期能够提高供应链调度的效率与准确性,促进供应链管理的智能化和自动化发展。

基于SPCE061A的语音识别系统的研究

提出了一种基于SPCE061A的语音识别系统,具体分析了其基本原理和主要构成,并对识别方式和程序设计进行了讨论。其语音样本的训练、被识别语音数据的采集及相关处理以及识别结果的输出等都是靠调用库函数来完成。最后,对实验数据进行了分析。

电话语音识别系统

讨论了一个典型的电话语音识别系统的设计与实现。首先提出了系统的整体模型，之后给出了系统的整体结构和系统的主要模块。较详细地介绍了声学层识别的速度优化和电话信道补偿问题，以及语言模型的容错算法和基于语义依存关系的容错理解模型，并对系统各层次模块性能进行了实验测试。

邮包校核语音识别系统的实时实现

本文研究开发了一套邮包信息校核语音识别系统 .该系统利用中大词汇量非特定人连续语音识别技术实时实现了邮包信息的语音校核 .系统可以识别普通话或四川话语音 ,可识别的词汇量约为 4 5 0 0条 .系统还采用了拒识技术与说话人自适应技术 ,提高了整个系统的稳健性 .实验表明对普通话的首选识别率达到 98.7% ,前三选识别率达到 99.9% .对四川话的首选识别率达到 95 .9% ,前三选识别率达到 98.6 % ,对无关语音的正确拒识率达到 85 % ,对口音较重的说话人经过自适应后识别率可提高 5 -

基于HMM算法的语音识别系统设计及其混合编程实现

绍了连续元高斯混合密度的隐马尔可夫语音识别系统,提出了一种基于分段平均法的初始化模型参数方法;将可靠性度量方MK法结合到重估算法中去,简化了算法复杂度。系统的实现采用与混合编程,提高了整个系统的开发效率。

用于自动语音识别系统的切换语音功率谱估计算法

针对语音识别系统在噪声环境下不能保持很好鲁棒性的问题,提出了一种切换语音功率谱估计算法。该算法假设语音的幅度谱服从Chi分布,提出了一种改进的基于最小均方误差(MMSE)的语音功率谱估计算法。然后,结合语音存在的概率(SPP),推导出改进的基于语音存在概率的MMSE估计器。接下来,将改进的MSME估计器与传统的维纳滤波器结合。在噪声干扰比较大时,使用改进的MMSE估计器来估计纯净语音的功率谱,当噪声干扰较小时,改用传统的维纳滤波器以减少计算量,最终得到用于识别系统的切换语音功率谱估计算法。实验结果表明,所提算法相比传统的瑞利分布下的MMSE估计器在各种噪声的情况下识别率平均提高在8个百分点左右,在去除噪声干扰、提高识别系统鲁棒性的同时,减小了语音识别系统的功耗。

基于DSP的语音识别系统的研究与设计

针对在PC机上实现的语音识别系统具有运行费用高、功耗大和体积大的问题,本文提出了以TMS320VC5509低功耗芯片为核心的语音识别系统方案,设计了系统的硬件结构,研究语音信号的特征提取和编码,建立前向-后向隐马尔可夫(HMM)模型,实现孤立词的语音识别。该系统具有运行费用低、功耗小和占用空间小的特点。

车载语音识别系统设计与试验

用改进的动态时间归整(DTW)算法进行语音辨识,设计了语音识别系统软件,以SPCE061A单片机为核心设计了车载语音识别系统的电控单元(ECU)。在车内不同噪声环境下进行了语音识别试验,结果表明语音识别率随着车内环境噪声的增加而下降,随着语音字数的增加而降低;在车辆怠速车内噪声小于50 dB(A)的环境中2字语音平均识别率为90%、4字语音的识别率为85%;在车辆定置油门半开、车内噪声为60～70 dB(A)的环境中,2字语音平均识别率为85%、4字语音的识别率为80%。

一种改进动态特征参数的话者语音识别系统

研究语音动态特征参数提取问题,在话者语音识别过程中,动态特征参数可以有效提高识别率。但是传统算法在其提取过程中存在大量干扰冗余信息,造成了识别率降低并带来运算速度的降低。为解决上述副作用,提出在说话人识别系统中,使用一种动态时频倒谱系数参数的方法。上述方法在不减少反应话者个体特征分布特性的前提下,可消除冗余信息并降低样本特征的维度。利用上述方法提取语音特征参数并输入混合高斯-通用背景模型进行说话人语音分类。在Matlab上仿真结果表明,动态时频倒谱系数可有效改进话者语音识别系统的识别正确率。

基于ARM的实时语音识别系统在嵌入式系统中的应用

在分析语音识别原理的基础上,设计了一个基于ARM和DSP芯片的语音识别子系统,用于嵌入式系统中的语音识别,该语音识别子系统由ARM和DSP芯片为核心,配合其他功能电路,能够独立完成语音识别的工作,ARM芯片作为系统的控制芯片,DSP芯片负责对语音信号的隐马尔可夫模型建立,从而使得嵌入式系统的语音识别更为方便简捷,并且该子系统具有一定的通用性和可剪裁性.

基于人工智能的语音识别系统及应用研究

语音识别技术是生物识别技术的一种,是继传统的依靠生物特征进行识别的技术(指纹与掌纹)之后出现的一种新技术。语音识别技术通过对一种或多种语音信号进行特征分析,以实现对声音信号的匹配和辨别。将人工智能嵌入到语音识别技术中,在矢量化模型建立、特征参数提取、模式匹配和分析处理过程中具有更大优势。实验结果表明,通过基于人工智能的语音识别系统对语音对象进行语音识别,速度快,准确率高。

基于TMS320C54×DSP的实时语音识别系统

介绍一个非特定人、小词汇表、孤立词的语音识别系统，它采用基于隐马尔可夫随机模型（ＨＭＭ）的语音信号端点检测方法和基于ＶＱＩＨＭＭ的自学习语音识别算法，同时以高速的ＴＭＳ３２０Ｃ５４Ｘ ＤＳＰ芯片为核心进行硬件设计，实现语音的实时识别。

基于SPCE061A单片机的语音识别系统开发

文章给出了基于16位单片机SPCE061A的语音识别系统的软件和硬件设计。该系统实现了语音的采集、回放、特征提取、单词识别等功能。利用SPCE061A的语音处理优势构成的各种嵌入式系统具有广阔的应用前景。

基于DSP的语音识别系统设计

为了提高语音识别系统的可靠性和高效率性,利用线性预测倒谱(LPCC)和动态时间规整技术(DTW)设计了一种语音识别系统.系统以TI公司的TMS320VC5402DSP芯片为控制核心,以汉语言的短命令为识别对象,实现特定孤立词语言识别功能.系统设计了串行通讯接口,更好地利用计算机对其控制.同时系统能进行语音指令的识别并做出相应的应答.该系统适合应用在一些智能控制领域,且结构简单,功能稳定.

基于经典隐马尔可夫模型的汉语连续语音识别系统

该文构造了基于经典隐马尔可夫模型(Hidden Markov Model,HMM)的汉语连续语音识别系统,定量地分析与评价了经典HMM的性能。

基于小波变换的DSP语音识别系统

设计了以DSP为核心的语音识别系统。该系统采用小波变换算法对噪声进行处理,提高了系统的语音识别性能。最后通过实验数据验证了该算法在提高语音识别系统性能应用中的有效性。该系统的研制为语音识别真正走向实用化提供了一种可行的方法。

用DSP技术开发的一种新的语音识别系统

本文介绍了一种基于听觉谱特征参数的语音识别方法和系统．该系统采用高速ＤＳＰ芯片ＴＭＳ３２０Ｃ２５，实现了语音信号的实时处理．用由此芯片开发的ＥＩＳＡ插卡与计算机结合，构成了一个智能化语音输入实时识别系统．实验结果表明，在小词汇量特定人条件下，该系统的正识率可达到９８％以上，在非特定人和有噪情况下，系统正识率分别为９５％和９０％以上．通过比较发现，该系统在正识率。

基于SPCE061A的语音识别系统的设计

系统采用凌阳SPCE061A单片机作为语音识别系统的主控芯片。通过硬件电路设计和软件代码部分成功的设计并实现了一种具有语音识别功能、语音提示(语音合成)及语音回放(语音编码记录)功能的嵌入式语音识别系统。语音识别模型采用(DHMM)离散隐马尔可夫模型,利用Baum-welth重估算法、前向后向算法、viterbi算法来完成语音模板的训练和语音识别的任务。