基于连续隐马尔科夫模型的语音识别

基于连续隐马尔科夫模型的语音识别

基于连续隐马尔科夫模型的语音识别

  • 适用:本科,大专,自考
  • 更新时间2024年
  • 原价: ¥312
  • 活动价: ¥200 (活动截止日期:2024-03-31)
  • (到期后自动恢复原价)
基于连续隐马尔科夫模型的语音识别

  基于连续隐马尔科夫模型的语音识别         摘要
语音识别系统中最重要的部分就是声学模型的建立,隐马尔可夫模型作为语音信号的一种统计模型,由于它能够很好地描述语音信号的非平稳性和时变性,因此在语音识别领域有着广泛的应用。
隐马尔可夫过程是一个双重随机过程:一重随机过程用于描述非平稳信号中短时平稳段的统计特征;另一重随机过程描述了每个短时平稳段如何转变到下一个短时平稳段,即短时统计特征的动态特性。
为了能够对HMM有一个全面的认识并能够将其应用于解决实际问题当中,本文介绍了HMM的基本理论以及其如何将其应用于语音识别中,在解决HMM的三个基本问题以后,还谈论了在具体应用时需要考虑的其他问题,如初始模型参数的选取、数据下溢、HMM之间距离的度量等等,并给出了相应的解决方法。
这个语音识别系统是用HMM模型来实现的,用HMM来做语音识别的识别率是很高的,其中用到了HMM的三个算法。
 
关键词:语音识别,HMM
目    录
摘要       ---------------------------------------------------------------------------2
ABSTRACT  ------------------------------------------------------------------------2

绪论       ---------------------------------------------------------------------------3

第一章 语音知识基础---------------------------------------------------------------6
第一节 语音识别的基本内容-------------------------------------------6
第二节 语音识别的实现难点-------------------------------------------9

第二章 HMM的理论基础--------------------------------------------------------10
第一节 HMM的定义----------------------------------------------------10
第二节 隐马尔科夫模型的数学描述---------------------------------10
第三节 HMM的类型----------------------------------------------------12
第四节 HMM的三个基本问题和解决的方 -----------------------15

第三章HMM算法实现的问题   ----------------------------------------------21
第一节HMM状态类型及参数B的 选择---------------------------21
第二节HMM训练时需要解决的问题  -----------------------------23

第四章 语音识别系统的设计 ---------------------------------------------------32
       第一节 语音识别系统的开发环境-----------------------------------32
       第二节 基于HMM的语音识别系统的设计------------------------32
       第三节 实验结果---------------------------------------------------------49

第五章 结束语  -------------------------------------------------------------------67

致谢    ------------------------------------------------------------------------------68

参考文献    ------------------------------------------------------------------------69
          

 

 


参考文献
1) 何强 ,何英,MATLAB扩展编程,北京:清华大学出版社 ,2002
2) 杨行竣 ,迟惠生,语音信号数字处理,北京:电子工业出版社,1995
3) Lawrence Rabiner  Biing—Hwang Juang 《语音识别基本原理》一影印版北京:清华大学出版社,199
4) 胡航 ,语音信号处理,哈尔滨:哈尔滨工业大学出版社 ,2000
5) Jeff Bilmes ,What HMMs Can Do,UWEE Technical Report Number UWEETR-2002-0003,2002
6) Nádas,A decision theoretic formulation of a training problem in speech recognition and a comparison of training by unconditional versus conditional maximum likelihood,IEEE Transactions on Acoustics,Speech and Signal Processing,31,pp814-817,1983
7) LR.Bahl,F.Jelinek, A maximum likelihood approach to continuous speech recognition , IEEE Trans, Pattern  Anal.Machine Intell , vol.PAMI-5,pp179-817,1983
8) A.B.Poritz, Liner predictive hidden Markov models and the speech signal, In Proc.ICASSP’82,pp1291-1294,1982
9) B.H.Juang and L.R.Rabiner , Mixture autoregressive Markov models for speech signals ,IEEE Trans, Acoustic Speech Signal Processing ,vol.ASSP-33,no 6 pp1404-1413,1985
10) B.Juang and L.Rabiner, “The segmental k-means algorithm for estimating parameters of hidden Markov models”,in IEEE Transactions on Acoustics, Speech and Signal Processing, volume 38,pp1639-1641,1990
11) S.E.Levinson,L.R.Rabiner and M.M.Sondhi, An introduction to the application of the theory of probabilistic functions of a Markov process to automatic speech recognition, Bell Syet. Tech.J, vol.62, no.4, pp1035-1074,1983
 

  • 关键词 连续 马尔 科夫 模型 语音 识别
  • 上一篇:基于网络的虚拟仪器测试系统
  • 下一篇:基于Simulink的数字音效研究
  • 暂无购买记录

    暂时没有评论

    真实

    多重认证,精挑细选的优质资源 优质老师。

    安全

    诚实交易,诚信为本。

    保密

    所有交易信息,都为您保密。

    专业

    10年专业经验,10年来帮助无数学子。