基于HMM的非限定人口令式語音識別的瀏覽器.pdf

1、語音識別技術(shù)是信息技術(shù)中人機接口的關(guān)鍵技術(shù)，被譽為有可能引發(fā)人機界面領(lǐng)域革命的關(guān)鍵技術(shù)。本文的目標是建立一個基于連續(xù)隱馬爾可夫模型的非限定人口令式語音識別的瀏覽器。即用戶通過語音發(fā)送命令來操縱瀏覽器的行為。論文對其中涉及的語音端點檢測、基于連續(xù)隱馬爾科夫模型的非限定人語音識別中涉及的各種關(guān)鍵問題進行了深入的研究，最后討論了語音識別內(nèi)核的設(shè)計以及和語音瀏覽器構(gòu)件的問題。 語音端點檢測的魯棒性，對于構(gòu)建實際語音識別系統(tǒng)具有重要的意義

2、。諧波成分是語音信號的一個基本特點，本文提出了一種基于諧波成分能量的端點檢測算法。通過sobel算子計算窄帶語譜圖的方向場，通過Gabor濾波增強諧波區(qū)域，通過門限方法得到二值化圖，去除方向大于45度和依賴度低的點，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，以此作為門限判決的特征。實驗結(jié)果表明，在不同信噪比、多種非平穩(wěn)噪聲環(huán)境下都能夠達到較好的語音檢出效果。其優(yōu)點為，不需要噪聲的先驗知識，充分利用了語音在頻

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