基于语音识别的机器人研究

人工智能时代,为实现人和机器之间"无障碍"的对话与交流,本文对基于语音识别的机器人进行了研究,采取双门限端点检测算法进行语音分割,降维进行特征提取来提高机器人语音的识别率;利用神经网络算法和HMM法则进行训练与识别,提高了智能化;配合语音控制系统,真正意义上实现了自动识别控制的功能。     

基于DTW和RLS算法的数字稳健识别

在语音识别中鲁棒性是一个很关键的因素,文章提出了一种关于0～9数字语音识别算法,采用递归最小二乘法(RLS)来消除噪声,系统使用过零率和能量参数作为端点检测方法,用美尔倒普系数(MFCC)矢量作为声道估计的滤波器,同时,采用动态时间弯折算法来识别语音。结果显示,未加RLS消噪系统前系统的识别率为72%,在处理过程中加入RLS消噪后识别率提高到98.7%。     

以语音识别为基础的音乐检索系统

针对一般的语音识别算法均存在抗噪能力不好的问题,无法满足音乐检索系统的需求。针对于此,本文以抗噪能力为基础对MFCC语音识别算法进行了优化,第一步是通过F比方法加权优化了MFCC算法的特征参数,估计出各维特征分量对识别率的影响,并将其提取出来,然后采用主成分分析法对提取的特征分量进行降维处理,以降低计算复杂度,减少数据存储量,加快训练时间,最终提高识别效率。算法仿真结果表明,本文提出的基于抗噪能力优化的MFCC语音识别算法具有较好的抗噪能力,比传统MFCC算法对音乐检索的精确度更高。     

感觉加权滤波在安多藏语特征提取中的应用

语音信号的特征提取是语音识别中重要的环节之一,特征提取是否准确决定着语音识别的识别率,不同的语音信号有着不同的特征提取方法,本文针对安多藏语的语音特征,进行线性预测分析,对线性预测余量信号通过感觉加权滤波后重新提取特征,使之具有更高的精确度,更好的稳健性。     

基于DSP的语音识别系统研究

文章介绍了语音识别的基本原理以及用DSK6713实现语音识别算法的一些原则和方法,阐述了语音识别在DSP上的实现技术。系统使用梅尔倒谱系数（MFCC）作为特征参数,采用算法相对简单以及计算量较小的动态时间弯折算法（DTW）实现语音参数的匹配。用MATLAB实现DTW算法的仿真,进而将语音识别技术应用到DSP上,实验结果表明对特定人、小词汇量和孤立词的语音识别效果比较好。     

并行模型组合方法中卷积噪声的估计方法

由于实际环境中各种噪声的干扰 ,语音识别的准确率会受到不同程度的影响 ,因此 ,鲁棒性技术已成为语音识别的一个研究热点。其中 ,并行模型组合方法 (PMC)在提高模型对环境的适应性方面发挥着重要作用。分析了PMC中如何解决其技术难点的一些方法 ,并作了相应的优化改进 ,从而使PMC方法能适用于较为复杂的实际情况。实验利用了剑桥大学的HTK语音识别工具包 ,并加入自行开发的算法 ,可用于对 0～ 91 0个中文数字组成的数字串进行连续语音识别。结果表明 ,在不同的噪声环境下 ,新的PMC技术能显著提高识别率     

基于HTK的语音连续数字识别研究

在互联网+逐步融入我们的生活中之后,语音识别技术必将步随着人工智能的发展进一步完成产业化的发展。通过探讨影响隐马尔科夫模型应用的三个基本问题,且列出三个算法及它的公式演示过程等。最后介绍HTK软件框架及工具箱,探讨基于HTK的语音识别系统搭建过程及原理,得到其识别率。     

朝鲜语紧急呼叫号码的语音识别系统研究

朝鲜语是我国目前适用范围较为广泛、使用人12＇较多的一种少数民族语言。朝鲜语紧急呼叫号码的语音识别软件,采用语音命令来呼叫号码,能够准确识别拨叫号码,在特定场合可以起到至关重要的作用。将语音控制指令范围设定为报警求助、火警等词汇的识别中,实现了朝鲜语紧急呼叫号码语音识别系统的软件算法部分。通过对信号处理的每个步骤和朝鲜语数字连读问题进行深入分析及研究,选择DTW（动态时间弯曲）算法作为该软件的核心算法。Matlab实验结果表明,采用的语音识别过程及算法可以准确地对录制的朝鲜语紧急呼叫号码进行识别。     

基于特征矩阵的高效数字识别算法

传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题,为解决该问题,提出了基于特征矩阵的高效数字识别算法。该算法首先在预处理的基础上获取字符的特征矩阵,然后用特征矩阵对字符的特征横线、竖线等特征进行提取,最后利用结构语句识别的方法实现数字识别。实验结果表明,基于特征矩阵的高效数字识别算法思路简单、速度快,且识别率达97％以上。     

表情识别的ICA两种架构分析

比较了ICA方法进行面部表情识别的两种架构ICA1和ICA2。采用欧式、城区、余弦KNN和6种核函数的SVM算法进行识别,比较了不同的距离函数和核函数对整体识别率和单个表情识别率的影响。实验表明:ICA1整体上优于ICA2;对于KNN算法,在ICA1下KNN+城区距最优,t检验不显著,在ICA2下,KNN+余弦距最优,t检验显著;SVM算法对ICA1有效,对ICA2失效;在ICA1下,对SVM算法,线性、径向基和Sigmoid核取得相同的识别率;惊奇是最好识别的表情,高兴是最难识别的表情。最后利用神经科学对视觉脑区的最新研究,得出稀疏的特征比稀疏的编码能够取得更好的表情识别率。     

一种基于改进SCHMM/ANN的语音识别算法

隐马尔科夫(HMM)和人工神经网络(ANN)模型已经广泛的应用在语音识别中,而HMM中的半连续隐马尔可夫模型(SCHMM)又具有连续密度函数和训练数据少等特点。人工神经网络(ANN)具有自组织、自学习和很高的容错力,将两模型相结合应用于语音识别当中,会使SCHMM模型的特点更加突出。本文所采用的是一种SCHMM/ANN模型,经仿真实验结果表明,在纯净无噪声和信噪比较低的情况下,与传统的HMM模型相比,该算法的识别率有较大提高。     

基于Matlab的语音识别端点检测算法研究与实现

端点检测作为语音识别技术中的重要环节,直接制约着语音识别的识别率,本文分析了基于双门限和倒谱的端点检测方法的基本原理,并使用Matlab仿真,实现了双门限检测法。     

基于美尔倒谱系数及隐马尔可夫模型的说话人识别系统研究

为了适应强噪声环境下的语音识别,进行了基于美尔倒谱系数特征及隐马尔可夫模型的识别算法研究,主要对提取语音信号的线性预测系数、端点检测、语音特征参数提取、语音算法识别流程等进行了初步研究,并进行了说话人识别系统的仿真验证。     

基于减少阶数的Mel频谱倒谱系数改进

本文通过实验对比,在语音识别的特征参数方面进行了有效的改进,创新内容是改善Mel频谱倒谱系数(MFCC),将12阶Mel频谱倒谱系数减为11阶,通过实验证明,改进后的参数有效提高了实验的识别率。实验主要采用删减特征分量的方法研究MFCC各阶参数对非特定人特定语音识别的贡献,并通过大量重复性实验得出验证,不同的参数选择对语音识别确实有不同的贡献,而且针对不同的语本模型,贡献也不同。     

联机手写笔画识别后处理算法的设计与实现

文中提出了两种联机手写笔画识别后处理的优化方案,第一种是基于回溯策略的后处理算法,通过回溯法修正误识的笔画;第二种称为多候选笔画组合算法。本文在基本识别手写笔画的基础上采用这两种后处理算法优化识别程序,实验结果表明,对笔画识别进行后处理大大提高了系统的识别率。     

基于BFGS的混合遗传算法在模糊神经网络识别中的应用

针对传统的BP或GA对模糊神经网络的识别应用存在收敛容易陷入局部极小、识别率低下等问题,提出一种基于BFGS的混合遗传算法。其基本思想为：首先构造一种前馈型模糊神经网络结构,然后用遗传算法进化若干代后,当目标函数的梯度或者范数小于预先设定值ξ,则改用BFGS算法进行优化识别。仿真实验表明,对比GA该算法收敛速度较快,识别精度提高了约7%,能够较好地应用于一类模糊神经网络的识别。     

基于信息增益的特征选择算法在语音识别系统中的应用

在语音识别系统中,往往需要对输入的语音信息进行数据预处理操作,删除冗余的、不相关的特征值.针对传统应用于语音系统中特征选择算法中出现的效率低、错误率高的缺点,本文提出了基于信息增益的特征选择算法.该算法通过信息增益评价指标对属性进行排名及评价,选择最优的特征属性并删除无用的属性.通过大量的对比实验结果表明,本文提出的算法可以高效地完成特征选择语音数据预处理,并且提出的新算法与传统的特征选择算法选择出的特征属性应用在语音识别算法后能够更准确地识别和判断语音信息.     

语音信号增强算法的谱减法应用探究

语音信号技术广泛应用于语音通信、语音识别等领域,在语音信号处理过程中,降噪与提高可懂度是极为关键的,处理方法有多种,通过综合梳理,对谱减法和自适应噪声抵消法的分析,发现最大限度地消除谱减法中的"音乐噪声"成为需要突破的研究域。在此尝试利用MATLAB以图像形式呈现谱减法增强语音信号效果的比较。发现语音信号处理算法在定义域内,仍有不可避免的误差。得出避免误差算法的加强与从强噪声中提取语音信号,既是语音信号处理过程中所"遭遇"的重要问题,又是未来理论与实践应用研究的发展方向。     

基于0-1游程频数检测的链路层加密数据识别

链路层加密数据的识别是进一步开展网络安全防护和协议识别的前提,当前方法主要是对流量所属的上层协议类型进行加密数据识别,采用混合多级的加密流量识别方法,对链路层加密数据的识别性能欠佳。提出一种基于0-1游程频数检测的链路层加密数据识别算法,采用随机性检测理论,进行链路层数据加密解密方案设计,构建标准正态分布函数的统计量对比特序列进行码元频数检测,实现0-1游程频数检测算法。实验表明,该算法能有效解决链路层块内频数检测过程中的分块长度选择及对加密数据识别率低的问题,链路层加密数据准确识别率提高显著,在网络保密数据传输等领域具有很好应用价值。     

基于BLSTM的语音识别解码优化算法探讨

语音识别是技术进步和社会发展的重要产物,能够给人们生产生活提供极大便利条件,然而实现这一技术难度较高。从语音识别的基本情况分析入手,阐明了语音识别的内涵和技术特性,介绍了基于BLSTM语音识别解码优化算法的可行性,还提出了一些科学合理的解码优化算法,主要说明了以状态拷贝为基础的上下文相关块解码算法的优势,为提升语音识别系统的总体应用效果,提供一定借鉴和参考。