面向移動GIS的語音識別技術(shù)研究.pdf

1、隨著計算機網(wǎng)絡(luò)通信技術(shù)和多媒體技術(shù)的飛速發(fā)展，新型的人機交互(Human Computer Interaction，HCI)技術(shù)已成為當(dāng)前計算機科學(xué)領(lǐng)域一個十分活躍的研究課題。針對移動地理信息系統(tǒng)(mobile GIS)終端設(shè)備普遍存在的諸如有限的屏幕空間、輸入方式和內(nèi)存等不足，以及在移動過程常常出現(xiàn)的“手忙”和“眼忙”等問題，采用語音方式已被業(yè)內(nèi)普遍視為一種主要的解決方案而得到高度的重視。語音識別研究對于增強計算機的智能化和人性化，開

2、發(fā)新型人機環(huán)境，以及推動生理學(xué)、聲學(xué)、語言學(xué)等學(xué)科的發(fā)展，有著重要的現(xiàn)實意義，并將產(chǎn)生很大經(jīng)濟效益和社會效益。
　　 語音識別是機器通過理解和識別過程把人類的語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)。其根本目的是研究出一種具有聽覺功能的機器，這種機器能直接接受人的語音，理解人的意圖，并做出相應(yīng)的反應(yīng)。在語音識別領(lǐng)域中，特征提取的好壞直接影響到識別的結(jié)果。因此選用合適的語音特征參數(shù)就顯得尤為重要了。
　　 研究人員普遍認(rèn)為在語

3、音識別領(lǐng)域中，人耳聽覺模型對低頻聲音敏感，而對中高頻聲音不敏感。本文從頻譜信息表示的觀點出發(fā)，以符合人耳聽覺模型的梅爾倒譜系數(shù)(MFCC)為基礎(chǔ)，根據(jù)不同頻率段的頻譜特征，設(shè)計了新型的混合MFCC算法。又由于LPCC參數(shù)能很好的體現(xiàn)人的聲道特性，而MFCC參數(shù)能很好的模擬人耳的聽覺效應(yīng)，可以將兩者參數(shù)的融合起來，可以起到很好的識別效果。實驗結(jié)果表明，改進之后的算法能夠達到令人滿意的識別性能。
　　 本文還針對現(xiàn)有的漢語語音ASR