单片机的C语言应用设计解释.ppt

* * 科大推崇ARM9系列，因为支持Windows CE，具有可移植性，而且性价比较好。（ARM 和 DSP 开发板的价格相当，相差一两百元） 我们重要的是把模型训练做到硬件中，需要较多的硬件资源 * 无需用户进行录音训练，但是必须基于一个好的语料库，包含所有的词，然后以音素作为识别单元，利用词汇表、语法网络，实现连续语音识别。 不再是孤立词的识别，匹配的难度增加，但这里必须这么做。前面提到的非特定人语音识别也是这么做。 连续语音识别，所以不再用关键词识别； 语料库，所以不是开始一段时间的搜集，但可以考虑语音分类，如男女声 可以考虑给出 N-best 的结果，再二次识别 * 无需用户进行录音训练，但是必须基于一个好的语料库，包含所有的词，然后以音素作为识别单元，利用词汇表、语法网络，实现连续语音识别。 不再是孤立词的识别，匹配的难度增加，但这里必须这么做。前面提到的非特定人语音识别也是这么做。 连续语音识别，所以不再用关键词识别； 语料库，所以不是开始一段时间的搜集，但可以考虑语音分类，如男女声 可以考虑给出 N-best 的结果，再二次识别 * 无需用户进行录音训练，但是必须基于一个好的语料库，包含所有的词，然后以音素作为识别单元，利用词汇表、语法网络，实现连续语音识别。 不再是孤立词的识别，匹配的难度增加，但这里必须这么做。前面提到的非特定人语音识别也是这么做。 连续语音识别，所以不再用关键词识别； 语料库，所以不是开始一段时间的搜集，但可以考虑语音分类，如男女声 可以考虑给出 N-best 的结果，再二次识别 * 无需用户进行录音训练，但是必须基于一个好的语料库，包含所有的词，然后以音素作为识别单元，利用词汇表、语法网络，实现连续语音识别。 不再是孤立词的识别，匹配的难度增加，但这里必须这么做。前面提到的非特定人语音识别也是这么做。 连续语音识别，所以不再用关键词识别； 语料库，所以不是开始一段时间的搜集，但可以考虑语音分类，如男女声 可以考虑给出 N-best 的结果，再二次识别 * 无需用户进行录音训练，但是必须基于一个好的语料库，包含所有的词，然后以音素作为识别单元，利用词汇表、语法网络，实现连续语音识别。 不再是孤立词的识别，匹配的难度增加，但这里必须这么做。前面提到的非特定人语音识别也是这么做。 连续语音识别，所以不再用关键词识别； 语料库，所以不是开始一段时间的搜集，但可以考虑语音分类，如男女声 可以考虑给出 N-best 的结果，再二次识别 * 无需用户进行录音训练，但是必须基于一个好的语料库，包含所有的词，然后以音素作为识别单元，利用词汇表、语法网络，实现连续语音识别。 不再是孤立词的识别，匹配的难度增加，但这里必须这么做。前面提到的非特定人语音识别也是这么做。 连续语音识别，所以不再用关键词识别； 语料库，所以不是开始一段时间的搜集，但可以考虑语音分类，如男女声 可以考虑给出 N-best 的结果，再二次识别 以我们及我们的学生为主力军，以科大实验室（学生、戴老师和专门做硬件的李老师）为强有力的后盾，同时科大讯飞以及上海摩托罗拉的同学提供一些技术上的参考（三个同学在上海，两个做语音，一个转图像），我们有信心做好。 希望能够立项，给予支持，购买Arm的开发箱，一个大的语料库，以及寻求技术支持时必要的交际（电话里很难透漏技术细节） * School of Computer Information 语音信号处理Speech Signal Processing *  语音信号处理 基础知识以及分析、处理技术（《语音信号处理》 赵力编著） 隐马尔可夫模型（《Fundamentals of Speech Recognition》 L.Rabiner 著） 专题报告 语音信号处理（参考文献） 《语音信号处理》 赵力编著 《语音信号处理》 韩纪庆编著 《Fundamentals of Speech Recognition》 L.Rabiner 著 《现代语音技术基础与应用》 蔡莲红编著 《音频信息处理》 韩纪庆编著 国际会议（ICASSP），国际期刊（speech communication） 基础知识以及分析、处理技术 语音信号处理的基础知识 语音信号的短时时域分析 线性预测分析和倒谱分析 隐马尔可夫模型 专题报告 语音信号处理 基础知识以及分析、处理技术语音信号处理的基础知识 1.1 概述： 发音语音学、声学语音学和听觉语音学三大分支 音高、音强、音长、音色四种要素 1.2 语音生成系统及语音信号产生模型： 语音发音系统图 激励+声道+辐射模型