基于嵌入式的關鍵詞組識別系統(tǒng)的設計與實現(xiàn).pdf

1、隨著科學技術的快速發(fā)展，基于嵌入式系統(tǒng)的關鍵詞組識別技術備受人們的關注。該技術在智能家居、語音導航等領域具有廣闊的應用發(fā)展前景。由于嵌入式系統(tǒng)的存儲資源和運算處理能力有限，因此對關鍵詞組識別技術就提出了更高的要求。本文針對如何在嵌入式系統(tǒng)有限的資源條件下提高關鍵詞組識別系統(tǒng)的識別率做了深入的研究，主要做了以下幾個方面的工作:
　　(1)在噪聲去除方面，首先介紹了一些常見去噪方法的優(yōu)缺點，并通過實驗比較了以上方法對信噪比的改善情況。

2、然后針對嵌入式系統(tǒng)特定的環(huán)境，以運算量較小的譜減去噪為基礎，對其增益函數(shù)進行改進。最后通過實驗表明，改進的譜減去噪法可以明顯改善信噪比，符合實際要求。
　　(2)在端點檢測方面，針對傳統(tǒng)的雙門限檢測技術在低信噪比情況下檢測效果不明顯，采用短時能量過零率差分的方法進行端點檢測。然后通過實驗表明，改進后的端點檢測技術提高了系統(tǒng)在低信噪比環(huán)境下的檢測率和對環(huán)境噪聲的自適應性。
　　(3)在特征參數(shù)提取方面，研究了LPCC、MFCC

3、及其一階差分參數(shù)的特征。然后結合了LPCC與MFCC特征的優(yōu)點，將特征參數(shù)進行組合，通過實驗說明了線性梅爾倒譜（LPCMFCC）差分特征參數(shù)能夠提高系統(tǒng)的識別率。
　　(4)在識別模型選擇方面，首先通過實驗比較了DTW模型和HMM模型對識別性能的影響，確定本文的識別模型為HMM模型。針對數(shù)據(jù)下溢的問題，對HMM模型中的算法進行了修正，通過實驗說明了算法修正后系統(tǒng)識別率提高了。
　　(5)在嵌入式關鍵詞識別系統(tǒng)的實現(xiàn)方面，對系