基于连续隐马尔科夫模型的语音识别.docVIP

毕业设计（论文） UNDERGRADUATE PROJECT (THESIS) 论文题 目 基于连续隐马尔科夫模型的语音识别 学 院 专 业 学 号 学生姓名 指导教师 起讫日 PAGE PAGE 1 目 录 摘要 2 ABSTRACT 2 绪论 3 第一章 语音知识基础6 第一节 语音识别的基本内容6 第二节 语音识别的实现难点9 第二章 HMM的理论基础10 HMM的定义10 隐马尔科夫模型的数学描述10 HMM的类型12 HMM的三个基本问题和解决的方 15 第三章HMM算法实现的问题 21 第一节HMM状态类型及参数B的 选择21 第二节HMM训练时需要解决的问题 23 第四章 语音识别系统的设计 32 第一节 语音识别系统的开发环境32 第二节 基于HMM的语音识别系统的设计32 第三节 实验结果49 第五章 结束语 67 致谢 68 参考文献 69 摘要 语音识别系统中最重要的部分就是声学模型的建立，隐马尔可夫模型作为语音信号的一种统计模型，由于它能够很好地描述语音信号的非平稳性和时变性，因此在语音识别领域有着广泛的应用。 隐马尔可夫过程是一个双重随机过程:一重随机过程用于描述非平稳信号中短时平稳段的统计特征;另一重随机过程描述了每个短时平稳段如何转变到下一个短时平稳段，即短时统计特征的动态特性。 为了能够对HMM有一个全面的认识并能够将其应用于解决实际问题当中，本文介绍了HMM的基本理论以及其如何将其应用于语音识别中，在解决HMM的三个基本问题以后，还谈论了在具体应用时需要考虑的其他问题，如初始模型参数的选取、数据下溢、HMM之间距离的度量等等，并给出了相应的解决方法。 这个语音识别系统是用HMM模型来实现的，用HMM来做语音识别的识别率是很高的，其中用到了HMM的三个算法。 关键词：语音识别，HMM ABSTRACT The most important part of a recognition system is the acoustic model construction. As a statistic model for signal, HMM can describe the pronunciation signal non-stability and the variability well. For the sake of understand HMM systematically and apply it to solve real-world problem, this paper introduces the basic theory of HMM and how to use it in the speech recognition. After three basic problem solved,some other important issues in the application, for instance, selecting parameters of the initial model, data over-fitting and the distance degree between HMM, are discussed, then methods for settling those issues are put forward. In addition, it also explains design of the topology and its parameters’ optimization ways. This recognition system use HMM models come true. It is easier recognizable to use HMM recognize.In this system I use the three arithmetic of HMM. Keyword: Speech recognition,HMM 绪论 计算机技术的飞速发展，使人与机器用自然语言进行对话的梦想逐渐接近现实。人类的语言在人类的的智能组成中充当着极其重要的角色，人与人之间的交流和沟通70%意商是通过语言的方式有效的完成。作为人与人之间交流最方便、自然、快捷的手段，人们自然希望它成为人与计算机交流的媒介。语音识别就是研究计算机听懂人类语言的一门科学。也是人机交互最重要的一步。进入九十年代之后，出现了诸多实用化的研究方向。 语音识别技术发展到今天