基于HMM的非限定人口令式語(yǔ)音識(shí)別的瀏覽器.pdf

1、語(yǔ)音識(shí)別技術(shù)是信息技術(shù)中人機(jī)接口的關(guān)鍵技術(shù)，被譽(yù)為有可能引發(fā)人機(jī)界面領(lǐng)域革命的關(guān)鍵技術(shù)。本文的目標(biāo)是建立一個(gè)基于連續(xù)隱馬爾可夫模型的非限定人口令式語(yǔ)音識(shí)別的瀏覽器。即用戶通過(guò)語(yǔ)音發(fā)送命令來(lái)操縱瀏覽器的行為。論文對(duì)其中涉及的語(yǔ)音端點(diǎn)檢測(cè)、基于連續(xù)隱馬爾科夫模型的非限定人語(yǔ)音識(shí)別中涉及的各種關(guān)鍵問(wèn)題進(jìn)行了深入的研究，最后討論了語(yǔ)音識(shí)別內(nèi)核的設(shè)計(jì)以及和語(yǔ)音瀏覽器構(gòu)件的問(wèn)題。 語(yǔ)音端點(diǎn)檢測(cè)的魯棒性，對(duì)于構(gòu)建實(shí)際語(yǔ)音識(shí)別系統(tǒng)具有重要的意義

2、。諧波成分是語(yǔ)音信號(hào)的一個(gè)基本特點(diǎn)，本文提出了一種基于諧波成分能量的端點(diǎn)檢測(cè)算法。通過(guò)sobel算子計(jì)算窄帶語(yǔ)譜圖的方向場(chǎng)，通過(guò)Gabor濾波增強(qiáng)諧波區(qū)域，通過(guò)門(mén)限方法得到二值化圖，去除方向大于45度和依賴(lài)度低的點(diǎn)，得到連續(xù)的水平方向的帶狀分布，即諧波分布區(qū)域，提取諧波分布區(qū)域內(nèi)的能量，以此作為門(mén)限判決的特征。實(shí)驗(yàn)結(jié)果表明，在不同信噪比、多種非平穩(wěn)噪聲環(huán)境下都能夠達(dá)到較好的語(yǔ)音檢出效果。其優(yōu)點(diǎn)為，不需要噪聲的先驗(yàn)知識(shí)，充分利用了語(yǔ)音在頻

3、率域和時(shí)間域的相關(guān)性，適應(yīng)于各種非平穩(wěn)復(fù)雜噪聲。 連續(xù)隱馬爾可夫模型在口令式語(yǔ)音識(shí)別建模中的關(guān)鍵問(wèn)題討論了采用連續(xù)因馬爾科夫模型進(jìn)行非限定人語(yǔ)音識(shí)別的原因。通過(guò)實(shí)驗(yàn)討論了，狀態(tài)數(shù)和混合度等關(guān)鍵問(wèn)題對(duì)識(shí)別率的影響等，選擇了合適的CDHMM作為我們的識(shí)別器內(nèi)核的方向。 識(shí)別內(nèi)核的軟件設(shè)計(jì)和語(yǔ)音瀏覽器的構(gòu)建，其中包括了識(shí)別內(nèi)核具體設(shè)計(jì)思路和方案，IE瀏覽器操作對(duì)象IWebBrowser2對(duì)象的基本知識(shí)、接口以及獲取這個(gè)對(duì)象的具