基于Cortex-A8的变异语音识别技术研究

发布时间：2021-10-13 02:30

　　大脑是人类最重要最核心的器官,主导人的意识和行为。为了使机器也具有类似人大脑的智能,我们研究和开发了名为人工智能的新学科,让机器能模拟人的智能而做出回应,目前在该学科应用比较广泛的是语音识别和人脸识别。语音识别技术是使用语音中的特征参数以及音节之间的相关性达到与数据库的匹配,从而进行语音识别。与其他人工智能技术相比,语音识别具有简单、快速的特点。变异语音是指由环境噪声、心情变化、信道的改变而对目标语音引起干扰,使得语音识别系统的识别率下降。本文从以下两个方面展开研究:1.端点检测是语音识别过程中很重要的一部分,检测效果将决定识别结果的好坏。本文首先对比分析常用的端点检测方法:短时自相关函数最大值法、比例法、短时能量法、双门限法。通过分析这几种方法的优缺点,本文提出基于多尺度熵的语音信号端点检测方法,它是一种自适应的数据驱动的信号处理方法,因为目标语音的熵值小于白噪声,据此可以过滤掉白噪声。同时因为语音信号在不同的频率段其能量不同,求取语音信号的瞬时能频值,将信号分解成含有复杂信息的高频段和含噪声低频段;2.传统的隐马尔科夫模型,在低信噪比的环境下,识别率低,且它的训练参数容易收敛于局部... 

【文章来源】：北方民族大学宁夏回族自治区

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

echo音响

晓医

以及由初始化数据逼近模型参数的过程，具体流程图如图 4-33 所示，部分目标函数的代码如图4-34 所示，本设计采用 Objective(GAGenome& g)作为目标函数，它尝试匹配 float 数组中作为userData 传递给我们的值，如果基因组中的值映射到接近的值 genome.nPhenotypes()，则返回更好的分数值 value。目标函数子程序执行完毕返回遗传算法主程序继续执行。开始基因组gnome返回计算value i<genome.phenotype()是否图 4-33 目标函数流程图 4-32 遗传算法程序流程图


本文编号：3433785