基于SPCE061A单片机的非特定人语音识别设计

提出了一种基于台湾凌阳公司的SPCE061A的非特定人语音识别系统,主要介绍其系统组成,重点论述了非特定语音识别的相关算法及其在单片机上的实现,该命令识别系统成功应用于现场网关的控制。

一种基于高维空间覆盖动态搜索方法的非特定人连续数字语音识别的研究

本文使用高维空间点分布分析原理,在仿生模式识别高维空间点覆盖原理的基础上,提出了一种基于高维空间点覆盖动态搜索理论的非特定人连续数字语音识别的新算法,这种算法可以不经过端点检测和分割,通过对被识别连续数字语音直接进行动态搜索,得到被识别语音到各类高维空间覆盖范围的距离随时间变化曲线,通过距离曲线上的极小值点进行识别.

基于快速神经网络算法的非特定人语音识别

提出一种用于语音识别的改进的快速神经网络算法 ,即动态不等步长的误差分段学习算法。将步长看作误差和网络节点输出的函数 ,对各权值按不同步长进行动态调整 ,并将其应用于一个基于前馈神经网络模型的非特定人语音识别系统。实验表明 ,该算法比传统 BP算法在训练速度上可提高十几倍 。

基于SRN/HMM的非特定人连续手语识别系统

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音.目前最新发展水平的手语识别系统在实际应用中应解决非特定人连续手语问题.提出一种将连续手语识别分解成各孤立词识别的分治方法,用于非特定人连续手语识别.把精简循环网(simple recurrent network,简称SRN)作为连续手语的段边界检测器,把SRN分段结果作为隐马可夫模型(hidden Markov models,简称HMM)框架中的状态输入,在HMM框架里使用网格Viterbi算法搜索出一条最佳手语词路径.实验结果表明,该方法的识别效果比单纯使用HMM要好.

基于SOFM/HMM模型的非特定人手语识别系统

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音 .目前最新发展水平的手语识别系统在实际应用中应该解决非特定人手语识别问题 .该文在分析非特定人手语识别特点——数据多且差异大、模型训练难收敛、对不同人数据的特征提取需求更迫切——的基础上 ,提出了 SOFM/ HMM模型 ,将自组织特征映射 (SOFM)很强的特征提取功能和隐马可夫模型 (HMM)良好的处理时间序列属性结合在一个新颖的框架下 ,并把该模型应用到非特定人中国手语识别中 .实验结果表明 ,SOFM/ HMM模型手语识别率比传统的 HMM模型提高近 5 % .

一种改进的基于小波去噪HMM非特定人语音识别算法

在HMM算法的基础上引入了小波去噪理论,从而提高了原始语音的信噪比和最终识别率.由于分别对每段语音去噪并进行端点检测,大大降低了运算量,因而减少了训练时间,达到了较好的识别效果.通过与DTW算法的对比,证明了改进的HMM算法在非特定人语音识别中的良好效果.

基于STM32和SD卡文件系统的非特定人语音识别系统设计

介绍了一种采用ARM处理器作为控制核心的非特定人语音识别系统的设计与实现,系统利用IC Route公司的非特定语音识别芯片LD3320与ARM Cortex M3内核ST公司的32位高性能单片机STM32F103C8T6组成功能主体,在系统中实现SD卡文件系统,在不更改单片机源程序的前提下,可更改SD卡中内容,达到识别列表关键词动态编辑,经过大量实践证明该设计适合嵌入式组件开发中需要灵活更改识别内容和返回参数的应用,设计具有高性价比、交互简易、识别率高、扩展性强等特点,便于嵌入式应用。

一种适于非特定人语音识别的并行隐马尔可夫模型

为了适合非特定人语音识别,提出了一种由多条并行马尔可夫链组成的并行HMM(Parallel Hidden Markov Model,PHMM),从而融合了基于分类的语音识别中为各个类别建立的模板,提高了识别性能,各条链之间允许有交叉,使得融合的多模板之间存在状态共享,同时PHMM可以在训练过程中自动完成聚类,且测试语音的输出结果来自所有类别,无需聚类分析和类别判断,这些都减少了存储量和计算量,汉语非特定人孤立数字的识别实验表明,PHMM较之传统CHMM使识别性能及噪声鲁棒性都得到了改善。

基于SPCE061A单片机的非特定人语音识别技术及应用

研究了一种以凌阳SPCE061A单片机为基础的非特定人语音识别技术.介绍了硬件平台的构成,重点分析了非特定人语音识别过程的基本原理及相关算法,从软件设计角度具体阐述了语音识别在该单片机上的实现过程.最后,成功地对步进电机应用了这种语音识别技术,取得了预期的控制效果.

非特定人手语识别统计模型的改进及应用

目前,非特定人手语识别与特定人系统相比还有较大的差距.手语数据差异性使得非特定人手语识别中提取手语数据有效的共同特征非常困难,因而,手语数据差异性在一定程度上影响了非特定人手语识别的识别效果.本文从手语数据存在差异性这一角度入手,利用流形概念的学习和推理能力并在流形允许变化的范围内进行有效建模.在建模的过程中,从范函求极值的角度出发,给出了一个让人容易理解且直观化的推导过程.进而应用流形概念中的切向量来改进手语识别的统计模型(TV/HMM)并应用于大词汇量非特定人手语识别,以解决手语数据的差异性对大词汇量非特定人手语识别所造成的影响.实验表明,改进后的TV/HMM识别系统在大词汇量非注册的易混词集上识别率高明显.

非特定人手语识别参数训练模型的改进及应用

在手语识别研究中,非特定人手语识别参数训练的样本缺乏影响了非特定人手语识别的识别率.区分性训练可以很好地弥补由于训练样本的缺乏对识别系统所造成的影响,能够提高非特定人手语识别的识别率.对区分性训练(DT)所改进的HMM参数训练模型(DT/HMM)做了全新的推导,获得了与HMM相一致齐全的DT/HMM的参数模型.在特定人识别系统上应用可区分性训练的h准则获取了h参数,将该齐全的DT/HMM参数训练模型和h参数应用于大词汇量的非特定人手语识别当中,加入主观经验后的非注册易混词集EXP与MLE和EBW的非注册易混词集相比,平均识别率分别提高了10.65%和9.55%.

基于音素的非特定人英语命令词识别算法研究

本文提出了一种新的基于音素的非特定人英语命令词识别算法,并在此算法基础上构建了一个非特定人英语命令词识别系统。结合非特定人语音识别系统的特点,系统的实现采用了HTK与VisualC++两种工具混和使用,提高了整个系统的开发效率。在识别阶段将置信度评估和不完全匹配的方法结合在一起,在一定程度上提高了识别的质量,在词汇量大于10的情况下取得了87.8％的识别率。

基于非特定人车载音响语音控制系统的设计与实现

提出一种语音命令控制车载音响操作的设计方案,以德国Infineon公司新推出的具有DSP和单片机双核的SoC语音处理芯片UniSpeech-SDA80D51为核心组成非特定人车载音响语音控制系统,并实现了系统样机的研制。该系统在江淮同悦SL1102C1型车载音响上进行了语音控制实测,实测数据表明系统语音识别率可达到95%。

非特定人车载音响语音控制系统

本文提出一种语音命令控制车载音响操作的设计方案,以SoC语音处理芯片UniSpeeCh-SDA80D51为核心组成车载音响语音控制器系统,实现对SL1102C1车载音响的非特定人语音识别与控制。

基于HMM模型的非特定人车载音响语音控制系统

提出一种语音命令控制车载音响操作的设计方案，以德国Infineon公司新推出的具有DSP和单片机双核的Soc语音处理芯片UniSpeech—SDA80D51为核心组成非特定人车载音响语音控制器系统，实现对SL1102C1车载音响的语音控制。介绍了语音控制器系统的构成、专用语音处理芯片SDA80D51功能及工作原理、非特定人语音识别软件HMM算法以及SDA80D51与SL1102C1接口控制方案。系统在江淮同悦SL1102C1型车载音响上进行了语音控制实测，实测数据表明系统语音识别率可达到95％。

基于arduino技术的家用电器非特定人语音控制系统的应用

本文主要通过研究语音控制识别技术的发展与应用,将arduino技术与家用电器非特定人语音控制技术进行有机结合应用在智能家用电器上,使得家电智能化水平迅速提升,大大提高了家用电器的品质和性能,人们因此得到更理想的服务。并通过分析支撑该项技术的理论算法来阐述该项技术的可行性。基于arduino技术的非特定人语音控制技术在家电中的研究与应用也将为其它领域智能研发提供借鉴。

声门下共鸣的谱规整用于非特定人的语音识别

提出在参数的提取过程中用不同的感知规整因子对不同人的参数归一化,从而实现在非特定人语音识别中对不同人的归一化处理。感知规整因子是基于声门上和声门下之间耦合作用产生声门下共鸣频率来估算的,与采用声道第三共振峰作为基准频率的方法比较,它能较多的滤除语义信息的影响,更好地体现说话人的个性特征。本文提取抗噪性能优于Mel倒谱参数的感知最小方差无失真参数作为识别特征,语音模型用经典的隐马尔可夫模型(HMM)。实验证明,本文方法与传统的语音识别参数和用声道第三共振峰进行谱规整的方法相比,在干净语音中单词错误识别率分别下降了4%和3%,在噪声环境下分别下降了9%和5%,有效地改善了非特定人语音识别系统的性能。

嵌入式语音识别系统的研究和实现

本文首先给出了一种适合于在嵌入式平台上实现的可变命令集的非特定人语音识别系统 ,同传统的基于PC的非特定人语音识别系统相比 ,该系统具备内存消耗小 ,运算速度快的优点。然后给出了该语音识别系统在多种嵌入式平台上的实现和评估结果 ,论证了非特定人语音识别系统在嵌入式平台上实现的可行性及其对硬件的最低配置要求 ,在技术层次上分析了目前实现高性能语音识别SOC的主要问题和困难 。

基于AVR单片机的语音识别系统设计

系统以AVR单片机为控制核心,实现对人的语音的识别控制。系统采用的主控芯片为Atmel公司的ATMEGA128,语音识别功能采用ICRoute公司的单芯片LD3320。LD3320内部集成语音识别算法,无需外部FLASH,RAM资源,可以很好地完成非特定人的语音识别任务。同时该芯片内部集成了MP3播放功能,支持MPEG等格式,可实现语音提示或MP3歌曲的播放功能。由于内部含有16位A/D、D/A转换器和功放电路,所以不需要外接功放电路就可以产生清晰的声音。该系统已经预留好各种接口,具有良好的扩展性。

一种基于语音识别的门禁系统

本文提出一种在传统门禁系统的基础上,增加非接触式语音识别功能的门禁系统,不仅提高了门禁系统的智能性,也降低了接触性病毒的传播风险。该设计通过语音识别模块LD3320鉴别开锁与否,语音合成模块SYN6288应答,同时将电磁锁的开关状态显示在液晶显示屏,主控芯片选用STC89C51,最后给出各部分的程序设计流程,完成门禁系统的总体设计。在确定门禁系统整体的设计方案之后,得出使用时的工作流程,对其应用场景做了分析,最终设计完成的基于语音识别技术的门禁系统,其识别率可以达到95%,识别距离在0.5~1.5m之间,识别时间为1.5s左右。