期刊文献+

连接数字语音识别系统的DSP实时实现 被引量:4

DSP Real Time Implementation of Speech Recognition Based on Connected Digits
下载PDF
导出
摘要 :针对各种数字信息,实现了一种基于TMS320C5x 评价模块(EVM)的与特定人无关的连接数字语音识别系统.在分析了连续概率密度的隐马尔可夫模型(CDHMM)基础上,利用LPC倒谱系数、LPC差分倒谱系数、能量归一化系数及其差分系数作为语音特征矢量,训练和识别采用Viterbi算法和Baum -Welch 重估算法,有效地提高了系统的识别率.给出了实现各个阶段所需的时间,比较了简单模板匹配法和隐马尔可夫模型法以及不同语音特征参数对识别率的影响.在具体实现中,着重处理了抗噪及实时实现问题.实验结果表明,本系统在普通机房条件下取得较满意的效果,正确识别率达到92% ,为其实用化提供了较为重要的技术途径. A speaker independent speech recognition system of connected digits was developed based on TMS320C5x Evaluation Module (EVM). Cepstrum coefficients, derivative coefficients of cepstrum, log energy normalization coefficient and derivative coefficient of log energy were used as feature vector of speech recognition on the basis of analyzing continuous density hidden Markov model(CDHMM). The system uses Vterbi and Baum Welch reestimation algorithms as training and recognition algorithms, which improve the recognition accuracy greatly. In the paper, clock cycles required by different phases were given, recognition accuracy was firstly compared between template matching and HMM methods and then compared according to different speech characteristic parameters. In specific implementation, resistant noises and real time performance were considered emphatically. Experimental results show that the recognition rate of this system is about 92%, which provides an important method for its practical purposes.
出处 《上海交通大学学报》 EI CAS CSCD 北大核心 1999年第12期1525-1528,共4页 Journal of Shanghai Jiaotong University
关键词 数字识别 隐马氏模型 DSP 语音识别系统 hidden Markov model speaker recognition digital recognition evaluation module cepstrum coefficients derivative coefficients of cepstrum
  • 相关文献

参考文献6

二级参考文献12

  • 1杜利民,第二届全国智能信息技术讨论会论文集,1995年
  • 2柴海新,语音识别与合成,1994年
  • 3程兰英,语音识别与合成,1994年
  • 4计天,语音识别与合成,1994年
  • 5林茂灿,语音识别与合成,1994年
  • 6马斌,语音识别与合成,1994年
  • 7徐波,语音识别与合成,1994年
  • 8张家录,语音识别与合成,1994年
  • 9林道发,电子学报,1992年,20卷,7期
  • 10邢公畹,语言学概论,1992年

共引文献45

同被引文献4

引证文献4

二级引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部