导读:本文包含了语音指令识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:指令,语音识别,模型,语音,管制,俄语,特征。
语音指令识别论文文献综述
李薇,杨庆华,何先波,李宝林[1](2019)在《非特定说话人语音指令识别的家居控制系统设计》一文中研究指出针对现代家居控制系统的方便性、智能性和实用性的特点需求,提出一种基于无线传感网的非特定说话人语音指令识别的家居控制系统方案,设计系统逻辑结构、功能层次、硬件结构及工作流程,实现语音识别、协调器、及终端控制节点功能。实验证明该系统可对风扇、窗帘、灯管的语音操作指令进行实时有效识别,对叁种设备进行快速有效控制。因此,该系统具有良好的方便性、智能性和实用性。(本文来源于《现代计算机(专业版)》期刊2019年03期)
巫小兰[2](2018)在《对感冒语音鲁棒的语音指令识别及嵌入式实现》一文中研究指出近几年来,语音识别技术逐渐进入人们的日常生活,而加入了语音识别技术的智能家居系统使得人们的生活更加舒适、便利。但是在实际应用场景中,语音识别准确性受许多因素的影响,例如环境噪声或者说话人本身变音(如感冒、声带发炎、咽喉炎等),从而导致语音识别系统鲁棒性不强。环境噪声的因素目前已得到研究人员广泛关注并采取各种措施来降低噪声的影响,但是对说话人本身变音的研究还十分缺乏。因此本文对说话人感冒状态下的语音识别进行了研究,其中重点研究了语音识别系统在保证正常语音识别率的同时使得感冒语音识别率尽量接近正常语音识别率,从而改善语音识别系统性能。本论文的主要研究工作和创新如下:(1)建立了感冒语音数据库。根据智能家居控制语音指令,建立了“感冒非常态及常态语音数据库”,该数据库已被中文语言资源联盟收录(No:CLDC-2018-001)。(2)对感冒语音与正常语音的特征进行差异分析和特征参数处理。采用研究对象感冒前、后的语音,对所提取的特征参数做统计分析。分析表明研究对象感冒前、后的基音频率、共振峰、Mel倒谱系数具有明显的区别。根据特征参数的差异,本文提出一种基于特征空间轨迹的时间规正方法,该方法采用段内语音信号的均值代表语音特征。实验结果表明相比Mel倒谱系数特征,经过该方法处理的特征能有效降低正常语音与感冒语音之间的特征差异。(3)考虑到感冒语音与正常语音模板的失配问题,提出了两种对感冒语音鲁棒的语音识别方案。第一种是基于决策融合的语音识别方案,该方案通过SVM分类器对输入语音进行正常语音和感冒语音的分类判别。当感冒语音与正常语音区分度较小时,经过决策融合方法得出识别结果;而区分度较大时,根据分类结果采用对应的语音模板得出识别结果。该方案弥补了语音判别过程带来的误差,提升了感冒语音在语音识别系统中的识别率。第二种是基于特征空间轨迹的时间规正的语音识别方案,该方案对感冒语音特征参数进行时间规正处理。该方案能有效提高了感冒语音的识别率和实时性。(4)实现了嵌入式语音识别系统,其中包括语音识别算法模块、人机交互界面模块及在线学习模块。最后在真实场景下对系统进行测试,系统识别率在77.52%左右。(本文来源于《华南理工大学》期刊2018-04-12)
王彤,马延周,易绵竹[3](2017)在《基于DTW的俄语短指令语音识别》一文中研究指出面向训练语料有限的语音识别任务,基于动态时间规整(dynamic time warping,DTW)算法对俄语语音进行识别。首先,以跨语言标注的语音语料为资源基础,研究融合音字转换和机器翻译的语音识别方法。其次,结合俄语语音特点,以元音为中心设置动态门限阈值,实现精确至音节的端点检测,识别速度提高了34.4%,准确率提高了14%。然后,综合时域、频域分析,提取反映语音静态特征和动态变化的参数模板。另外,引入全局限制和早弃策略改进DTW算法,避免病态匹配,缩小计算规模,使速度提高了19.7%,准确率提高了4.8%。在俄语短指令语音集上做五折交叉验证,识别准确率达到74.9%。(本文来源于《山东大学学报(理学版)》期刊2017年11期)
陈科,林江莉[4](2017)在《基于MFCC与CHMM的方向指令语音识别》一文中研究指出随着科学技术尤其是计算机技术的不断发展,语音识别被广泛应用到各个领域.针对方向指令的语音,使用梅尔倒谱系数(Mel-Frequency Cepstrum Coefficient,MFCC)作为特征参数,连续马尔科夫模型(Continuous Hidden Markov Model,CHMM)作为识别模型,对语音信号进行识别处理.实验结果显示,此方法在方向指令语音识别中取得了良好的结果,有较高的识别准确率.(本文来源于《成都大学学报(自然科学版)》期刊2017年02期)
陈亚青,蒋豪,韩丹[5](2016)在《管制指令语音识别在模拟飞行界面的实现》一文中研究指出将语音识别技术应用到管制学员的培训中是提高管制模拟机应用效率的重要途径.在深入分析中文管制指令特征的基础上,从语音识别基础技术出发,设计一套适合于中英文管制指令语音特点的语音识别技术,利用MATLAB完成相应程序的编写和模拟飞行界面的设计.通过形成独特的管制指令语音识别模板库,最终在模拟飞行界面实现管制语音指令对航空器飞行的控制.从而为进一步实现自动化模拟机机长席位提供可能,最终完全替代人工机长席位.(本文来源于《计算机系统应用》期刊2016年11期)
解娜[6](2016)在《图书馆服务机器人语音指令深层信息识别系统》一文中研究指出对图书馆服务机器人的自然人机交互问题进行研究,首先介绍了图书馆机器人存取的研究现状和机器人语义解析存在的问题,提出一种基于混合模型的语音深层信息解析方法,然后对该方法进行公式化描述,并进行了仿真实验,说明了该方法的可行性,最后指出了未来的工作重点。(本文来源于《农业图书情报学刊》期刊2016年02期)
马林南[7](2015)在《陆空对接的桥梁——论空管中的语音指令识别与合成技术》一文中研究指出空中交通管制指令标准用语的训练是非常重要的、不可或缺的内容,在我国民航运输业不断发展的时代,空中交通流量急剧增长,陆空通话标准用语的训练是空中管制模拟训练中的主要技术。为了改变当前训练系统依赖于专人飞行员席位的设置状况,本文对空中管制中的语音指令识别与合成技术进行研究,针对其中的多个关键技术开展讨论,以实现空中控制模拟训练机中自动飞行员席位替代专人飞行员席位。(本文来源于《电子测试》期刊2015年12期)
高胜男,孔令富[8](2015)在《家庭服务机器人语音指令深层信息识别》一文中研究指出针对机器人缺乏对语音指令的深层识别能力,提出一种基于DNN/GMM的深层信息识别方法.首先,在全息地图环境数据基础上,运用双隐层深度神经网络构建家庭环境神经网络模型;其次,基于该模型对语音指令进行目标对象深层信息识别,并据此提取相关预备指令;再次,基于语音指令高斯混合模型识别语音指令类型;最后,依据不同指令类型选定最优服务对象深层信息识别方法,之后提取服务指令.在一般家庭中构建实验环境,结果验证了该方法的正确性和有效性,且使得机器人依据指令的深层信息能够更加准确地理解并执行指令.(本文来源于《小型微型计算机系统》期刊2015年06期)
何昕,韩丹[9](2015)在《管制指令语音识别模板库的关键技术研究》一文中研究指出本文结合我国标准的管制指令用语特点,从语音识别模板库建立的基础技术出发,研究和分析了语音识别的端点检测、特征参数提取、模板库的训练等关键技术,并对多种处理的模型和算法进行了分析和对比,为我国管制指令语音识别模板库的建立提供了理论依据。(本文来源于《中国西部科技》期刊2015年03期)
刘万凤,胡军,袁伟伟[10](2013)在《陆空通话标准用语(英语)的语音指令识别技术研究》一文中研究指出陆空通话标准用语(英语)的训练是空管模拟训练中的重要内容。对空管模拟训练中的语音指令自动识别问题进行了分析研究,包括:陆空通话标准用语基本特征的分析、语言模型的文法描述、指令特殊发音的识别处理、识别后处理方法以及声学模型训练方法等,并基于Sphinx-4语音识别引擎,设计实现了一个语音指令识别系统AIRS(ATC Instruction Recognizer System)。系统实验数据分析表明,声学模型训练后的语音识别正确率可以达到空管模拟训练的需求。(本文来源于《计算机科学》期刊2013年07期)
语音指令识别论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
近几年来,语音识别技术逐渐进入人们的日常生活,而加入了语音识别技术的智能家居系统使得人们的生活更加舒适、便利。但是在实际应用场景中,语音识别准确性受许多因素的影响,例如环境噪声或者说话人本身变音(如感冒、声带发炎、咽喉炎等),从而导致语音识别系统鲁棒性不强。环境噪声的因素目前已得到研究人员广泛关注并采取各种措施来降低噪声的影响,但是对说话人本身变音的研究还十分缺乏。因此本文对说话人感冒状态下的语音识别进行了研究,其中重点研究了语音识别系统在保证正常语音识别率的同时使得感冒语音识别率尽量接近正常语音识别率,从而改善语音识别系统性能。本论文的主要研究工作和创新如下:(1)建立了感冒语音数据库。根据智能家居控制语音指令,建立了“感冒非常态及常态语音数据库”,该数据库已被中文语言资源联盟收录(No:CLDC-2018-001)。(2)对感冒语音与正常语音的特征进行差异分析和特征参数处理。采用研究对象感冒前、后的语音,对所提取的特征参数做统计分析。分析表明研究对象感冒前、后的基音频率、共振峰、Mel倒谱系数具有明显的区别。根据特征参数的差异,本文提出一种基于特征空间轨迹的时间规正方法,该方法采用段内语音信号的均值代表语音特征。实验结果表明相比Mel倒谱系数特征,经过该方法处理的特征能有效降低正常语音与感冒语音之间的特征差异。(3)考虑到感冒语音与正常语音模板的失配问题,提出了两种对感冒语音鲁棒的语音识别方案。第一种是基于决策融合的语音识别方案,该方案通过SVM分类器对输入语音进行正常语音和感冒语音的分类判别。当感冒语音与正常语音区分度较小时,经过决策融合方法得出识别结果;而区分度较大时,根据分类结果采用对应的语音模板得出识别结果。该方案弥补了语音判别过程带来的误差,提升了感冒语音在语音识别系统中的识别率。第二种是基于特征空间轨迹的时间规正的语音识别方案,该方案对感冒语音特征参数进行时间规正处理。该方案能有效提高了感冒语音的识别率和实时性。(4)实现了嵌入式语音识别系统,其中包括语音识别算法模块、人机交互界面模块及在线学习模块。最后在真实场景下对系统进行测试,系统识别率在77.52%左右。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语音指令识别论文参考文献
[1].李薇,杨庆华,何先波,李宝林.非特定说话人语音指令识别的家居控制系统设计[J].现代计算机(专业版).2019
[2].巫小兰.对感冒语音鲁棒的语音指令识别及嵌入式实现[D].华南理工大学.2018
[3].王彤,马延周,易绵竹.基于DTW的俄语短指令语音识别[J].山东大学学报(理学版).2017
[4].陈科,林江莉.基于MFCC与CHMM的方向指令语音识别[J].成都大学学报(自然科学版).2017
[5].陈亚青,蒋豪,韩丹.管制指令语音识别在模拟飞行界面的实现[J].计算机系统应用.2016
[6].解娜.图书馆服务机器人语音指令深层信息识别系统[J].农业图书情报学刊.2016
[7].马林南.陆空对接的桥梁——论空管中的语音指令识别与合成技术[J].电子测试.2015
[8].高胜男,孔令富.家庭服务机器人语音指令深层信息识别[J].小型微型计算机系统.2015
[9].何昕,韩丹.管制指令语音识别模板库的关键技术研究[J].中国西部科技.2015
[10].刘万凤,胡军,袁伟伟.陆空通话标准用语(英语)的语音指令识别技术研究[J].计算机科学.2013