车载环境下的语音识别系统研究-电路与系统专业论文.docxVIP

摘 摘 要 - - I - 万方数据 摘 要 经济的繁荣促使汽车以前所未有的速度进入到人们的生活，为了满足人们对汽 车智能化和安全性的追求，汽车行业正在向高智能化发展，而该智能化离不开语音 技术的支持。近年来，Siri、谷歌眼镜等语音识别应用也说明语音技术已经走向产 品化。本文应用动态时间规整(DTW)孤立词语音识别方法，实现了一个车载环境下 的语音识别系统。 本文首先介绍了国内外车载语音识别的发展现状，然后详细描述了语音识别的 三个关键技术，根据车载环境下语音识别系统的特点，通过实验仿真及分析，选择 最适于该环境下的识别算法。预处理模块，采用汉明窗对信号进行分帧，同时针对 传统双门限法易受外界噪声干扰、鲁棒性差的特点，提出了一种自适应样本熵法， 并通过实验证明了该算法在低信噪比下能有效进行端点检测且检测效果较好。特征 参数模块，比较了两种常用特征参数 LPCC、MFCC，针对 MFCC 运算量较大对其 计算过程进行了改进，并对 LPCC、MFCC 和改进的 MFCC 参数性能进行了比较； 同时提出了一种基于 MFCC 与 LPCC 的混合特征参数，经过主成分分析进行降维去 冗余，且通过实验证明了该融合参数对系统识别率有益。模式匹配模块，通过对 DTW 和 VQ 模型进行多方面的实验仿真分析，验证了改进的 DTW 算法更适于车载 环境的应用。 最后，应用 MATLAB 软件对系统进行了整体仿真，证明了本课题所选算法的 可行性。在不同信噪比下对算法进行测试，获得了良好的识别效果，达到了系统设 计要求。随后在总结全文工作的基础上，本文对课题目前存在的问题进行了分析， 并为进一步研究指明了方向。 关键词：语音识别 端点检测 特征参数 车载环境 DTW Abst Abstract - - II - 万方数据 Abstract With the boom of economy, car becomes part of our life with unprecedented high speed. In order to meet the requirements of safety and intelligence, car industry is increasingly in a more and more intelligent tendency, and it can’t develop without the help of speech technology. Recent year, speech recognition technology applications, like Siri and Google glass, put to market also support this opinion. In this article, DTW isolated words speech recognition method is applied to implement speech recognition system in vehicle environment. This article firstly introduce the situation of domestic and abroad vehicle speech recognition system, then describes full details of three key technology ,and through the simulation and experimental analysis, choose the most suitable method according to characters of vehicle speech recognition system. In pretreatment module, frame signal by Hamming Window. Traditional double threshold endpoint detection method is susceptible to interference, and weak in robustness, this article proposes an adaptive sample entropy method, also through the experiment proved that the algorithm can detect endpoint under low SNR environment, and detection effect is better. Characteristic parameter