基于球體分割的孤立詞語音識別研究.pdf

1、本文研究的主要內(nèi)容包括：1.分析幾種常用的語音識別方法；2.提出了基于高維球體分割的語音識別新方法。 首先，本文介紹了語音識別的基本原理、分類、語音信號的預(yù)處理和特征參數(shù)提取過程。其中預(yù)處理包括預(yù)加重、加窗、分幀、端點檢測，而MFCC和LPCC則是語音識別中最常用的特征參數(shù)。 其次，討論了幾種常用的語音識別方法，包括隱馬爾可夫模型(HMM)、BP人工神經(jīng)網(wǎng)絡(luò)(BPANN)以及動態(tài)時間規(guī)整(DTW)，并詳細闡述其原理及實現(xiàn)

2、過程，進行了識別性能的比較。 然后，提出了一種新的方法--基于高維球體分割的語音識別方法。該方法通過劃分高維空間的單位球體，構(gòu)造高維空間中各類樣本的球冠集，來描述每類樣本在高維空間中的幾何分布，然后通過判斷未知樣本屬于哪個球冠集來識別該樣本。 最后，將球體分割法應(yīng)用于非特定人、小詞匯量、孤立詞的語音識別，并與HMM進行對比。實驗結(jié)果表明，在相同的環(huán)境下，球體分割法取得了不比HMM遜色的識別效果，而且在時間復(fù)雜度上遠遠低于