基于模型自適應的魯棒語音識別算法在嵌入式系統(tǒng)上的實現(xiàn).pdf

1、目前實驗室條件下的語音識別系統(tǒng)已經(jīng)能做到大詞匯量連續(xù)詞識別，并且可以取得較高的識別率。但是脫離實驗室環(huán)境，由于環(huán)境的影響，其性能往往急劇下降，因此魯棒語音識別一直是研究的熱點。而隨著嵌入式設備的發(fā)展和普及，在嵌入式上的語音識別系統(tǒng)又成為了語音識別發(fā)展的新方向。
　　本文研究基于模型自適應的魯棒語音識別系統(tǒng)在嵌入式上的實現(xiàn)。主要內(nèi)容有以下幾個方面:
　　首先研究了語音識別系統(tǒng)的原理和結(jié)構(gòu)，并詳細介紹了其中的關(guān)鍵技術(shù)——MFCC

2、參數(shù)提取。研究了魯棒語音識別系統(tǒng)的構(gòu)成和其主要實現(xiàn)方法，本文從前端特征空間和后端模型空間對魯棒語音識別方法予以介紹。
　　接著介紹了基于矢量泰勒級數(shù)(VTS)的模型自適應算法。詳細介紹了基于矢量泰勒級數(shù)(VTS)的模型自適應算法的原理。在MATLAB環(huán)境下用實驗室錄制的中文語音庫進行仿真，結(jié)合NoiseX-92噪聲庫，在不同的信噪比下驗證算法的性能。最終的結(jié)果顯示本算法在噪聲環(huán)境下有較好的識別性能，具有良好的魯棒性。
　　最