基于語音識(shí)別的服務(wù)機(jī)器人口語對(duì)話系統(tǒng)研究.pdf

1、隨著自動(dòng)化技術(shù)以及計(jì)算機(jī)科學(xué)技術(shù)的快速發(fā)展，機(jī)器人的類型和功能變得愈加豐富、完善，越來越多的機(jī)器人開始進(jìn)入人們的視野并參與到人類的生活當(dāng)中。然而，隨著人們生活水平的日益提高，傳統(tǒng)的按鍵、鼠標(biāo)、鍵盤等人機(jī)交互方式已經(jīng)很難滿足人們的需求，人們開始迫切尋求一種更加便捷、更加人性化的人機(jī)交互方式。語音識(shí)別技術(shù)作為模式識(shí)別中一個(gè)極其重要的分支，目的就是為了讓機(jī)器人“聽懂”人類的自然語音，為這種交互方式開辟新的方向。然而，噪聲的存在不但嚴(yán)重影響語音

2、識(shí)別系統(tǒng)的性能，而且極大限制了其應(yīng)用范圍，因此系統(tǒng)的魯棒性直接決定其能否成功邁出實(shí)驗(yàn)室而走向商業(yè)市場。本文在分析比較多種抗噪聲干擾語音識(shí)別技術(shù)后，提出一種語音信號(hào)特征參數(shù)提取和特征參數(shù)處理相結(jié)合的方式提高語音識(shí)別系統(tǒng)的魯棒性，并將其成功應(yīng)用到噪聲環(huán)境下服務(wù)機(jī)器人的口語對(duì)話系統(tǒng)中。
　　首先，本文介紹了語音信號(hào)的基礎(chǔ)理論知識(shí)，從語音信號(hào)的產(chǎn)生與模型建立到語音信號(hào)的A/D轉(zhuǎn)換、預(yù)加重、分幀和加窗以及端點(diǎn)檢測等預(yù)處理，再到語音信號(hào)的特征

3、參數(shù)提取，其中詳細(xì)介紹了語音信號(hào)的線性預(yù)測系數(shù)（LPL）、線性預(yù)測倒譜系數(shù)（LPCC）以及Mel頻率倒譜系數(shù)（MFCC）。
　　其次，本文介紹了語音識(shí)別技術(shù)的訓(xùn)練模型，從該技術(shù)的語言模型和聲學(xué)模型入手，著重研究和分析了聲學(xué)模型中實(shí)際應(yīng)用最多的隱馬爾科夫模型（HMM），并對(duì)其數(shù)學(xué)原理進(jìn)行了詳細(xì)推導(dǎo)。
　　然后，針對(duì)語音識(shí)別系統(tǒng)中實(shí)際面臨的，由于噪聲干擾導(dǎo)致語音識(shí)別過程中測試環(huán)境和訓(xùn)練環(huán)境不匹配而影響系統(tǒng)識(shí)別性能的問題，本文在深

4、入研究多種不同的魯棒語音識(shí)別算法后提出將基于Gammatone濾波器的特征參數(shù)提取方法和直方圖均衡化法相結(jié)合的方式提高語音識(shí)別系統(tǒng)的抗噪聲干擾能力，增強(qiáng)系統(tǒng)的魯棒性。并將基于本文方法提取的語音信號(hào)特征參數(shù)與傳統(tǒng)的Mel頻率倒譜系數(shù)進(jìn)行Matlab仿真實(shí)驗(yàn)比較，實(shí)驗(yàn)結(jié)果表明本文提出的特征參數(shù)提取方法抗噪性能更佳，在噪聲環(huán)境下的語音識(shí)別正確率更高。
　　最后，本文介紹了基于語音識(shí)別的服務(wù)機(jī)器人口語對(duì)話系統(tǒng)的構(gòu)建方法，深入研究了該系統(tǒng)中