2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩60頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著人機(jī)交互技術(shù)的發(fā)展,機(jī)器人越來(lái)越被期望擁有像人類一樣的感知能力,并能夠和人類合作共事。為了使人機(jī)交互更加自然,運(yùn)動(dòng)狀態(tài)下的機(jī)器人能夠語(yǔ)音識(shí)別是很有必要的。但是運(yùn)動(dòng)狀態(tài)下的機(jī)器人不可避免的產(chǎn)生一些噪聲,這種噪聲主要由機(jī)器人的風(fēng)扇和馬達(dá)產(chǎn)生,稱為自身噪聲。相對(duì)于環(huán)境噪聲,自身噪聲更容易被獲取,而且具有非平穩(wěn)性和非定向性等特點(diǎn),這將大大降低機(jī)器人語(yǔ)音識(shí)別效果。
  通常有兩種方法來(lái)提升機(jī)器人自身噪聲下的語(yǔ)音識(shí)別效果。第一種是采用語(yǔ)音

2、抗噪技術(shù),第二種是建立音視頻雙模態(tài)語(yǔ)音識(shí)別系統(tǒng)。然而第一種方法適合聲源定向以及穩(wěn)定的噪聲,而機(jī)器人噪聲具有非定向性和非平穩(wěn)性。第二種方法中,由于受說(shuō)話者頭部旋轉(zhuǎn)、唇部尺寸不一、距攝像頭距離不固定以及光照等因素影響,使得唇部信息不能得到有效的全面表征。
  為此,論文提出了融合機(jī)器人與Kinect的多模態(tài)語(yǔ)音識(shí)別系統(tǒng)。通過(guò)Kinect獲取3D數(shù)據(jù)和視覺(jué)信息,并通過(guò)3D數(shù)據(jù)重構(gòu)側(cè)唇,將其作為一種輔助言語(yǔ)信息來(lái)補(bǔ)充音視頻信息。論文首先建

3、立了一個(gè)基于機(jī)器人平臺(tái)的中文孤立詞多模態(tài)語(yǔ)音數(shù)據(jù)庫(kù),包含深度數(shù)據(jù),音頻數(shù)據(jù)和視頻數(shù)據(jù);其次利用Kinect獲取的3D數(shù)據(jù)與彩色圖像之間的對(duì)應(yīng)關(guān)系獲取視頻信息唇區(qū),并通過(guò)DCT和PCA獲取特征向量,采用線性插值法匹配音視頻及3D數(shù)據(jù)的速率,歸一化操作使特征更加魯棒,以及基于幀間距離獲取動(dòng)態(tài)特征;然后通過(guò)Kinect獲取的3D特征點(diǎn)重構(gòu)說(shuō)話者左側(cè)唇和右側(cè)唇;最后,將側(cè)唇作為一種輔助言語(yǔ)信息和音視頻信息融合,通過(guò)一系列基于特征融合和決策融合方

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論