嵌入式实时英语语音识别系统的设计与研究

针对本次英语语音识别系统的设计之中,应用嵌入式技术,可以应用嵌入式DSP语音芯片,以连续隐含马尔可夫模型为基本识别框架,优化设计英语语音识别系统。结果证实,设计出基于嵌入式的实时英语语音识别系统,可以在实际应用中实时识别出不同的英语语音,而且也能够提升系统在应用中对于英语语音的识别率,提升29.0%,对于英语语音的识别速度也快,发挥积极应用效益。研究结论表明,设计嵌入式的实时英语语音识别系统,具有可行性,不仅可以提升系统识别英语语音的速度,也发挥积极的应用效益,可以在实践中推广该系统设计方法。

一种驾驶员头盔佩戴识别系统的设计

为解决道路上电动摩托车骑行人员头盔佩戴检测能力缺失的问题,设计了一种基于北斗技术的电动摩托车驾驶员头盔佩戴识别系统,利用北斗技术提供的高精度位置信息,结合基于谷歌的pytorch深度神经网络学习图像识别技术,采用YOLOv5检测平台,检测机动车驾驶者有无佩戴安全头盔,进行提醒并处理,实现对机动车驾驶员头盔佩戴情况的实时监测与识别,实时输出违规操作的数据报告,解决人为巡检时效性差、数据不精确的问题。实验结果表明,该系统具有较高的识别准确率和实时性,为非机动车骑行人员头盔佩戴的自动化识别提供了一个可行的途径,具有较好的应用前景。

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。

英语翻译器语音识别系统的设计及功能实现

语音识别指的是通过识别和理解,使人类语音转变成为文本方式。目前,语音识别系统因为自身的研究难度及重要性成为了研究的热点内容。在嵌入式不断发展的过程中,嵌入式语音识别技术已经成为语音识别领域的主要发展方向。基于此,对英语翻译器语音识别系统进行设计,并且进行系统实现。

基于DSP的语音实时识别系统的设计

随着社会信息化的发展。对语音识别提出了越来越高的要求。提出了一种基于高性能数字信号处理芯片DSP（digital sigal process）的语音识刺系统，系统在分析了连续HMM模型的基础上，采用LPC倒谱系数、LPC差份倒谱系数和能量归一化系数作为特征矢量，训练和识别采用了viterbi算法和Baum—Welch重估算法．有效的提高了系统的系统的实时性、可靠性、鲁棒性强和系统的识别率。

实时语音识别系统及其应用

1988年10月中旬,在法国格勒诺贝尔举办的名为“技术与竞争”的高技术博览会上(参展的有西欧共同体国家、美国和中国等13个国家的公司和科研单位600多个,1300多项系列项目,共上万件展品),中国科学院的展品中。

实时语音识别系统语言层的改进

该文介绍了在语音识别语言层搜索中为了实时化的需要所做的改进。文章应用词典树技术提高了从拼音到词的查找速度,并且使词典更易动态改动;同时采用多阶段搜索的框架,并在第一阶段搜索中采用一元剪枝和“2.5元”剪枝技术,极大提高了搜索速度。实验表明,在识别率没有受到影响的情况下,识别速度提高了近一倍。

采摘机器人语音识别系统设计——基于英语词汇整合和WAP平台

通过对语音识别、网络通信与智能机器人运动控制的综合应用,设计了采摘机器人语音识别和远程控制智能机器人系统,在遇到突发状况时,可以采用人工远程语音发出控制指令的方式调整机器人的作业姿态,提高机器人的自主作业效果。为了提高语音识别的准确性,结合英语词汇整合数据库和WAP技术,将小波神经网络算法应用到了机器人语音信号滤波器的设计上,并采用神经网算法对动作的执行进行了训练,提高了机器人动作执行的精确性。最后,对机器人语音识别和动作执行的准确性进行了验证,结果表明:采用小波神经网络算法可以明显降低采摘机器人动作执行的误差,进而提高了作业质量。

基于英语翻译语音识别系统开发与运用研究

英语专业在教学实践过程中经常会遇到各种各样的困难,对英语教学效果形成不良影响,从而导致教学质量下降。针对我国过去长期以来英语专业教模式存在的弊端,我国高校合理利用现代信息科技的一切有利条件,为英语专业的学生建立具有现代化科技的教学模式,提出开发英语翻译语音识别系统。文章采用嵌入式语音识别技术作为核心技术,在硬件方面使用三星公司的控制器,ARM处理器核结构进行设计;在软件方面主要从语音收集与预处理模块、MFCC特征提取模块、DTW识别模块完成该系统设计;最后还从识别模块、声学模块、执行模块、以及翻译器使用注意的事项等方面对本系统综合应用进行探讨,从而促进英语课堂教学水平提高。

有限词汇、特定人、商品化的英语语音识别系统

介绍了一个在微机上实现的有限词、特定人语音识别系统．该系统采用连续Ｍ元高斯混合密度的隐式马尔柯夫模型（ＣＤＨＭＭ）为识别方法，以修改后的Ｂａｕｍｗｅｌｃｈ方法为训练重估算法．文中提出了对语音特征矢量非线性归一化预处理，和对训练数据不足的ＨＭＭ模型特征空间进行后处理修正的算法，还提出一种基于语音知识的模型初始化方法．经实验证明，系统的识别率可以达到９０％以上．

英语发音通过嵌入式实时系统的识别设计及功能实现

本文基于连续隐含马尔可夫模型完成识别框架的构建,对通过使用嵌入式DSP语音芯片实现英语发音识别功能,并且综合运用时频分析及提取关联信息熵特征完成系统发音误差自动检测进行探讨。研究发现通过使用该嵌入式实时英语发音识别系统可有效提高英语发音的识别效率、准确率,以及系统发音误差自动检测能力,具有较高应用价值,可为优化英语发音识别系统的功能及应用效益研究提供参考。

嵌入式英语语音识别系统误差自动检测方法研究

为了提高嵌入式英语语音识别系统发音误差自动检测能力,提出基于时频分析和关联信息熵特征提取的嵌入式英语语音识别系统发音误差自动检测方法。采用时频特征分解方法进行嵌入式英语语音识别系统英语发音信号的降噪处理,对降噪输出的英语发音信号进行特征分解和关联维特征配准,结合小波多层重构方法进行语音信号的重组,提取英语发音信号的关联信息熵特征,根据提取的语音信号的关联信息熵特征进行自动匹配,实现对嵌入式英语语音识别系统误差的自动识别。仿真结果表明,采用该方法进行嵌入式英语语音识别系统发音误差自动检测的准确性较好,对语音信号的分辨能力较好,提高了嵌入式英语语音识别系统的发音误差的检测性能。

利用海e英语学习社区促进学生自主学习

语言是人类交流的工具,而英语学习的本质即为交流。众所周知,英语发音的准确程度直接影响着人与人之间的交流。对于低年级孩子来说,听说尤为重要。传统的英语教学往往忽视了听说能力的培养,结果导致学生不爱张嘴,甚至一张嘴就成了“哑巴”。海e英语学习社区依托国际领先的实时语音测评技术,可以帮助学生纠正发音,彻底解决了老师、家长无法监督管理学生课后练习的实际问题,脚踏实地地扭转了英语学习听说能力滞后于读写能力的教学现状。

国内声音翻译系统现状

同声翻译是全球人们梦想多年的事,各国都在竞相研究。利用文字翻译系统的基本原理,将原语言变成原文字,利用文字机器翻译后,将目标文字利用声音合成技术,再进行发音。 在这方面的研究,我国取得了较好的成果。如: