论文部分内容阅读
语言是人类进行思想和情感交流的最自然最便捷的交互方式，人们可以通过语言交流情感和想法，随着信息时代的到来，计算机已经成为人类不可缺少的日常工具，如果能让计算机听懂人的语言，并按照语义信息去执行相应的动作，无疑是自动化技术的巨大飞跃。随着语音识别技术的不断发展和芯片速度的不断提高，嵌入式语音识别技术成为语音识别领域发展的重要方向，嵌入式语音识别技术的理论研究和产品的开发对于语音识别技术的推广有着重要的意义。
本文研究了基于ARM技术的语音识别系统，文章从理论分析、系统硬件设计、系统软件设计来说明用以实现语音识别的嵌入式实验平台的创建过程。并在分析了经典HMM模型的基础上，针对经典HMM的齐次性缺陷，提出了一种改进的基于段长分布的HMM模型训练和识别算法，在此基础上进行了相关实验仿真。
在本课题的研究过程中，主要完成了以下工作：
1.建立了嵌入式实验平台，包括硬件结构和软件组成。
2.研究了孤立词语音识别的一般理论，详细介绍了动态时间规整(DTW)识别法及其隐马尔可夫(HMM)算法，并提出了一种基于段长分布的隐马尔可夫模型。
3.在MATLAB上对三种端点检测方法进行了仿真，并实现了基于段长的隐马尔可夫模型的语音识别系统，并对实验结果进行了分析。
实验结果表明，采用基于段长分布的HMM模型的识别准确性高于经典HMM模型，即基于段长的HMM模型更为有效地描述语音信号，但因为算法加大了计算量，因此算法的实时性有所下降。最后指出了本课题未来的研究方向。