基于HMM的特征元素語音幾何建模方法研究與實驗分析.pdf

1、語音識別技術(shù)在近些年得到了大力發(fā)展，并且語音識別在汽車工業(yè)、航空航天、信息通訊等領(lǐng)域有著越來越廣泛的應(yīng)用?，F(xiàn)階段常用的語音識別算法主要有動態(tài)時間規(guī)劃算法、隱馬爾科夫算法和人工神經(jīng)網(wǎng)絡(luò)算法。上述幾種算法都存在著計算量大、識別時間長等不足，并且實際應(yīng)用中極少有將語音識別應(yīng)用于工業(yè)設(shè)計。針對上述方法中共同存在的不足，本文嘗試了基于元音周期的語音識別算法，并將語音識別應(yīng)用于三維幾何建模。該算法根據(jù)元音序列特征進(jìn)行模板匹配，在樣本庫相對固定時可大

2、幅度降低計算量和識別時間。然而本方法準(zhǔn)確率較現(xiàn)有算法（準(zhǔn)確率可達(dá)95％）低，故在實際應(yīng)用中，本課題仍使用隱馬爾科夫算法進(jìn)行自動語音幾何建模。本文為工業(yè)設(shè)計中的人機交互方式提供了積極探索，因此，本文具有重要的應(yīng)用價值。
　　本文以三維建模軟件的自動建模為應(yīng)用目標(biāo)，以隱馬爾科夫算法作為語音識別的代表進(jìn)行研究。圍繞著設(shè)計自動化，本課題研究了“基于HMM的特征元素語音幾何建模方法研究與實驗分析”。本文內(nèi)容主要包括：
　　首先，本文對

3、動態(tài)時間規(guī)劃算法和隱馬爾科夫算法的語音識別方法進(jìn)行了研究。研究了上述兩種算法的語音識別基本原理及相關(guān)技術(shù)，搭建了一個語音識別系統(tǒng)，對兩種算法進(jìn)行仿真，并對比分析實驗結(jié)果，隱馬爾科夫算法識別效率高于動態(tài)時間規(guī)劃算法。本課題也對基于元音周期的語音識別算法進(jìn)行了試驗，結(jié)果表明僅靠元音信號的概率分布特性難以進(jìn)行區(qū)分，導(dǎo)致用本算法進(jìn)行語音識別時正確率低下。故本課題三維建模中的語音識別環(huán)節(jié)使用隱馬爾科夫算法。
　　其次，本文對三維建模軟件中特

4、征元素的分類和識別進(jìn)行了研究。將建模樣本按照長度進(jìn)行分類，測試模板進(jìn)入對應(yīng)長度樣本庫進(jìn)行語音識別。試驗結(jié)果表明這種識別方法會降低總體正確率。于是本課題進(jìn)行了樣本庫改進(jìn)，使得語音識別效率大為提升。本文以三維建模軟件界面中菜單項坐標(biāo)作為其幾何特征，通過數(shù)據(jù)通信，使語音識別結(jié)果與幾何特征之間一一映射，以實現(xiàn)對建模軟件的語音控制。
　　最后，本課題搭建了一個語音自動幾何建模原型系統(tǒng)，該原型系統(tǒng)的主要任務(wù)是完成對Pro/E軟件的語音控制。本