一种基于语音识别的普通话语音失误判别方法

给出一种通过语音识别技术来判断普通话测试中语音失误类型的方法。系统对普通话测试卷中的每个单字都给出声母、韵母和声调的出错权重,在测试过程中,对每个被判别为存在语音失误的字进行分析统计,给出分析结果。试验证明通过这种方法可以判别出被测试者的主要语音失误类型,是一种可行的判别方法。     

基于HMM状态结构调整的非特定人语音识别

利用HMM模型状态间的混淆度, 提出了一种新的状态结构调整算法, 使不同的状态可以共享相同的高斯混合函数, 并在EM算法的框架下推导出对状态结构调整后的增加参数, 即状态间权值的重估公式. 并对非特定人进行大词汇量汉语连续语音识别实验, 实验结果表明状态结构调整后的系统不仅优于基线系统, 还获得了比传统的参数增加方法更高的识别率, 由此证明了状态结构调整方法的有效性.     

语音的识别能力与普通话水平测试

人们在听说普通话时对语音的识别具有规律可循，利用它从心理感知的角度进行听说辨音训练，可大大提高应试者的水平和测试员的测试信度。     

语音情感识别分类算法研究综述

语音情感识别本质上是对语音情感的特征参数进行分类和模式识别,其核心问题在于寻找一个更为合适的语音情感识别算法.综述了语音情感识别算法的分类概况、常用的分类算法、研究中的困难与需要进一步研究的问题.最后展望了可能提高精度的先进识别模型.     

基于SPCE061A语音识别灯的设计

随着DSP和专用集成电路技术的发展,语音识别已具有非常高的识别率,特别是针对计算量较小、特定人、孤立词等方面。为此,利用SPCE061A单片机设计开发的一种针对特定人语音识别的灯具开关,既免去了手动开关灯具的麻烦,又实现了无线准确可靠地控制。     

语音识别技术及应用综述

随着计算机处理能力的迅速提高,语音识别技术得到了飞速发展,其技术的应用正在日益改变着人类的生产和生活方式。本文介绍了语音识别的基本原理、方法,综述了语音识别系统的分类及语音识别技术的应用,分析了语音识别所面临的问题。     

基于语音情感识别的e-Learning教学探索

为了解决目前e-Learning教学系统中的情感交流匮乏问题,提出一种新的基于语音情感识别技术的e-Learning系统模型。语音作为人类最重要的交流媒介之一,不仅携带着大量的文字符号信息,还包含了人类丰富的情感信息。利用语音情感识别技术获取和识别学习者的学习情感状态,从而实现e-Learning教学系统的智能化和人性化。本文对该系统的关键技术作了详细阐述。     

基于安卓语音识别的无人机控制系统

为了使四旋翼无人机更加智能,控制更加简便,需设计新的控制方式。语音识别技术发展日趋成熟,在信息处理和自动化等领域应用相当广泛。通过在Android设备上传入语音命令操控四旋翼无人机,调整飞行姿态、速度、方向,解放了人的双手,实现了语音控制无人机飞行。不同环境下的测试结果表明,该系统功能良好。     

基于DFT的信号幅值频谱分析

根据离散傅里叶变换DFT的定义,推导出一种用DFT计算连续周期信号幅值谱的方法,通过MATLAB仿真验证了该方法的有效性,解释了DFT中存在的频谱泄漏及栅栏效应对该方法的影响,并提出了相应的改进方法.     

基于支持向量机的语音情感识别

针对语音情感识别特征识别问题，本利用支持向量机进行了研究．分析表明语音信号的情感特征参数在输入空间中不完全是一个线性分类的问题，使用非线性的核函数对输入空间进行映射可以有效地提高识别效率．与已有的多模式语音情感识别方式相比，利用高斯(径向基)核函数的支持向量机的识别效果优于其他已有的方法．     

基于HTK的汉语数码语音识别系统,

HTK(是一套专门用于建立和处理删的语音处理工具箱,主要应用于语音识别领域,也可用于语音合成、字符识别、模拟DNA排序等多个领域.本文结合隐马尔可夫模型(HMM)原理,利用HTK(HMM ToolKit)语音处理工具箱,实现了汉语数码语音识别系统.实验表明,该系统具有较好的语音识别率,且便于进行二次开发.     

嵌入式DSP声纹识别系统的设计与实现

本系统采用美国模拟器件公司的高性能Blackfin嵌入式数字信号处理器,完成对语音信号实时采集,语音采集完成后,通过对其整体样本进行快速傅立叶变换得到语音样本的频谱,然后再通过多级带通数字滤波器,提取不同频段下的频率幅值,作为声纹识别的特征值,完成对语音的辨别。实验表明,该设计对特定人语音的识别率达到了80％,有一定实用价值,     

一种语音端点检测算法在DSP上的实现

介绍了一种对背景噪音进行动态估计的汉语语音端点检测算法,较一些常规的端点检测方法如基于能量的端点检测方法,具有更高的精度和鲁棒性．并用TI的TMS320VC5410 DSP来实现一个带端点检测的语音识别系统．通过进行汉语孤立词语音识别实验,表明这种算法是有效的,能得到较高的识别率．     

基于模糊支持向量机的语音情感识别

根据输入样本对分类结果不同的影响程度,引入模糊隶属度,探讨了模糊支持向量机(FSVM)原理,并将其应用于汉语语音信号中生气、高兴、悲伤、惊奇4种主要情感类型的识别。仿真实验结果表明FSVM比支持向量机(SVM)有着更好的分类性能和更高的识别率。     

基于HMM／MLP混合网络模型的语音识别方法

提出了一种新的用于语音识别的HMM MLP混合网络 ,它利用MLP的鉴别训练能力 ,以克服基本HMM的ML训练方法中不合理的模型正确性假设前提 ,提高HMM的鉴别能力和识别性能 .实验结果证明HMM MLP混合网络的鉴别能力和识别性能明显高于普通HMM .     

普通话态度语音的感知实验研究

在言语交际中,说话人的情绪(emotions)属于不自主控制的潜在的心理状态,而说话人表达的态度(attitudes)或者称社会情感(social affects)则是说话人自主控制的。本文通过听辨实验,研究了中国人对普通话19类态度语音的感知特性。实验采用条件受控的语音语料,考察了态度类别、话语长度、听辨人性别这三个因素对态度辨识率的影响,以及不同态度类别在听感上的混淆模式与聚类关系。实验结果表明,普通话态度语音的辨识率总体上高于机遇水平,其中"陈述"和"失望"的辨识率最高,"自信"的辨识率最低。态度类别的主效应、态度类别与话语长度的交互效应,是影响态度辨识率的主要因素。基于听辨混淆模式进一步做层次聚类分析后发现,19种态度从语音感知上可大体聚类为7组,同组内的态度在认知上表现出一定的关联性。     

基于CDHMM/SONN混合模型的带噪语音识别

利用小波变换对含噪语音信号进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,进一步反映语音信号的动态特性、增强抗干扰能力、提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显提高.     

汉语语音评分系统的设计与实现

作为语言学习的重要组成部分之一,发音学习是人与人之间互相交流的基础。该文分析了传统语音教学及其评价方式的不足,以梅尔频率倒谱系数作为参数进行特征提取,用隐马尔可夫声学模型和音素后验概率算法将测试语音与标准语音进行比对,从而找出二者之间的差异程度,通过评分机制得到分数。实验结果表明,该系统能提高说话者学习语音的积极性,其评分结果与教师的主观感觉相一致,具有一定的实用性和可操作性。     

基于语音识别的定制服装量体平台构建

为了改善定制服装量体工作中经常发生数据重复整理、记录效率低、录入错误等情况,提升客户交互体验,设计开发了基于语音识别的量体师APP作为量体数据录入工具,并结合微信公众号构建完整的定制服装量体平台。该平台的应用使量体师录入及整理量体单花费时间减少了70%,整体量体周期缩短了30%,从而有效提升了服装量体工作效率。