嵌入式平臺(tái)語(yǔ)音識(shí)別技術(shù)的研究.pdf

1、目前，在嵌入式平臺(tái)，像手機(jī)、平板、穿戴數(shù)碼、汽車電子等，語(yǔ)音識(shí)別方案受嵌入式設(shè)備計(jì)算速度和存儲(chǔ)能力的限制，大多選用云語(yǔ)音識(shí)別方案，例如Google云語(yǔ)音識(shí)別、科大訊飛云語(yǔ)音識(shí)別等，而云語(yǔ)音識(shí)別效果又與嵌入式平臺(tái)網(wǎng)絡(luò)狀況以及云語(yǔ)音識(shí)別服務(wù)器計(jì)算能力相關(guān)。因此，針對(duì)嵌入式平臺(tái)來(lái)說(shuō)，基于云的語(yǔ)音識(shí)別方案存在識(shí)別延時(shí)大、識(shí)別結(jié)果情景相關(guān)性不強(qiáng)的問(wèn)題。
　　本論文主要工作是研究適合嵌入式平臺(tái)的語(yǔ)音識(shí)別方案，達(dá)到高精度、快速度的語(yǔ)音識(shí)別效果，

2、并具備一定的口音抗拒能力，滿足嵌入式平臺(tái)語(yǔ)音識(shí)別的應(yīng)用需求。論文針對(duì)嵌入式平臺(tái)語(yǔ)音識(shí)別面臨的4個(gè)核心問(wèn)題（計(jì)算能力、詞匯量、識(shí)別速度、說(shuō)話者口音），從現(xiàn)有的3種語(yǔ)音識(shí)別解決方案（專用語(yǔ)音識(shí)別芯片級(jí)、語(yǔ)音識(shí)別開(kāi)發(fā)平臺(tái)級(jí)、云語(yǔ)音識(shí)別級(jí)）著手，提出了基于專用語(yǔ)音芯片的本地語(yǔ)音識(shí)別和云語(yǔ)音識(shí)別輔助的混合語(yǔ)音識(shí)別方案。
　　論文分別研究了嵌入式平臺(tái)下，基于 LD3320的本地語(yǔ)音識(shí)別方案和基于Google的云語(yǔ)音識(shí)別方案的性能。測(cè)試結(jié)果表明

3、：?jiǎn)渭兓?LD3320的本地語(yǔ)音識(shí)別平均識(shí)別準(zhǔn)確率為87.2％，但識(shí)別指令個(gè)數(shù)不能超過(guò)50，而單純基于Google的云語(yǔ)音識(shí)別準(zhǔn)確率受說(shuō)話者口音及語(yǔ)音詞匯頻度影響很大，而且識(shí)別延時(shí)不穩(wěn)定且依賴網(wǎng)絡(luò)狀況。WIFI網(wǎng)絡(luò)狀況下識(shí)別延時(shí)0.3s~3s，而手機(jī)2G網(wǎng)下延時(shí)4s~14s不等。針對(duì)嵌入式平臺(tái)本地語(yǔ)音識(shí)別和云語(yǔ)音識(shí)別的特點(diǎn)，提出利用“動(dòng)態(tài)多場(chǎng)景切換”機(jī)制解決識(shí)別指令個(gè)數(shù)限制，利用“近音映射”機(jī)制解決說(shuō)話者口音問(wèn)題，組建以基于 LD33