关于连续语音识别率优化仿真研究

连续语音识别是人机接口的关键技术,本质是双重随机可观测时变序列的音素参数识别过程,存在词汇量大、连续性强的技术难点。提出采用隐式马尔科夫模型来模仿过程,并借鉴Viterbi算法的解空间搜索点,对连续语音识别不存在单一HMM模型问题进行编码改进,使其适合于模型参数优化;同时,针对大词汇量情况下,存在模型参数非线性过强,对优化算法性能要求过高的问题,利用鱼骨结构对智能水滴算法进行改进,构建河道泥土量更新公式,扩大更新范围,从而提高搜索效率。最后,通过在标准测试函数和TIMIT语音数据库中的仿真对比,显示所提算法具有更快的运算速度和更高的预测精度,验证了算法的有效性。

基于HMM的联机维吾尔文整词识别方法研究

提出一种维吾尔文手写整词识别方法,通过拼接单词中各连体段的特征构建单词的特征向量,用K-means聚类算法对连体段进行聚类操作降低单词特征向量的维度并输出离散的数字序列,通过隐马尔科夫模型完成单词的建模和识别。