基于关键词/垃圾语音模型优化的关键词识别

发布时间：2022-02-11 11:50

　　随着计算机软硬件技术的发展,当今社会已经逐渐走入了人工智能时代。在移动互联网和物联网的背景下万物开始互通,人机的交互也成为了新技术发展的焦点所在,语音交互正是人机智能交互的一种重要形式。语音是人类最自然也最便捷的沟通方式,这一特点赋予了人机语音智能交互在当下科学技术发展中的重要地位。语音交互的终极目标是实现人与机器的无障碍沟通,随着几十年来语音领域的技术积累,这一目标不再是遥不可及的,大量有效的算法为语音交互奠定了良好的发展前景。本文基于隐马尔科夫模型、高斯混合模型和令牌传递算法,开发了基于Windows平台和Android平台的语音关键词识别系统,并根据解码算法的原理提出了相关的优化方法,在保持系统对预定义的关键词高效、准确的识别的同时,大幅度降低误触发的概率。使得系统能够应用在实际家居环境中,用于电视或者其他智能设备的全语音控制。相关工作和创新点如下:在研究现有基于隐马尔科夫模型语音声学建模的基础上,开发了Windows平台的关键词识别系统,对令牌传递解码算法的缺陷进行深入研究,引入关键词/垃圾语音模型从而使系统对一般的语音具有拒识别能力。并且,通过对实验结果的详细分析,本文提出了... 

【文章来源】：华南理工大学广东省211工程院校985工程院校教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

高斯混合模型

图 2-2 马尔科夫模型这些参数，我们能够很方便态确定为 ，那么状态序列acbda)* P(c | a)* P(b | c)* P(d |.7 1 0.6 0.98 移关系的不同，马尔科夫模历模型、无跨越左-右模型、c0.710.9

模型的这些参数，我们能够很方便地得到不初始状态确定为 ，那么状态序列 = * , P(X acbda)π(a)* P(c | a)* P(b | c)* P(d | b)* P(a1 0.7 1 0.6 0.90.378 之间转移关系的不同，马尔科夫模型一般可各态遍历模型、无跨越左-右模型、有跨越图 2-3 各态遍历模型

【参考文献】：
期刊论文
[1]基于嵌入式语音识别的家用服务机器人控制系统[J]. 董胡.  微型电脑应用. 2017(04)
[2]智能家居发展现状及未来浅析[J]. 朱敏玲,李宁.  电视技术. 2015(04)
[3]卷积神经网络在语音识别中的应用[J]. 张晴晴,刘勇,王智超,潘接林,颜永红.  网络新媒体技术. 2014(06)
[4]基于MFCC的语音情感识别[J]. 韩一,王国胤,杨勇.  重庆邮电大学学报(自然科学版). 2008(05)
[5]语音识别技术研究进展[J]. 柳春.  甘肃科技. 2008(09)
[6]基于HTK的语音识别系统设计[J]. 石现峰,张学智,张峰.  计算机技术与发展. 2006(10)
[7]JNI技术实现跨平台开发的研究[J]. 任俊伟,林东岱.  计算机应用研究. 2005(07)
[8]语音识别的发展现状[J]. 俞铁城.  通讯世界. 2005(02)
[9]隐马尔可夫模型在语音识别中的应用[J]. 段红梅,汪军,马良河,徐冉.  工科数学. 2002(06)
[10]摩尔定律与半导体设备[J]. 翁寿松.  电子工业专用设备. 2002(04)

博士论文
[1]DNN-HMM语音识别声学模型的说话人自适应[D]. 薛少飞.中国科学技术大学 2015
[2]基于深层神经网络的语音识别声学建模研究[D]. 周盼.中国科学技术大学 2014

硕士论文
[1]深度学习神经网络在语音识别中的应用研究[D]. 陈硕.华南理工大学 2013
[2]非特定人语音识别关键技术研究[D]. 顾亚强.国防科学技术大学 2009
[3]基于DTW和HMM的语音识别算法仿真及软件设计[D]. 李永健.哈尔滨工程大学 2009
[4]语音识别技术的研究及基本实现[D]. 雷静.武汉理工大学 2002



本文编号：3620225