- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
《语音识别技术》课程教学大纲
一、课程基本情况
课程代码:1031339030
课程名称(中/英文):语音识别技术/Speec Recognition Tecnology
课程类别:专业选修课程
开课学期:第七学期
学分:2.0
总学时:32
理论学时:24
实验/实践学时:8/0
适用专业:智能科学与技术
适用对象:本科
先修课程:高等数学、信息技术基础、大学物理、电路分析、智能科学与技术概论、数字信号处理、程序设计基础(C语言)、人工智能原理、模式识别基础
开课学院:电气工程与自动化学院
二、课程简介
1.课程任务与目的
2017年出台《新一代人工智能发展规划》将人工智能已上升国家战略,提出“到2030年,使成为世 界人工智能创新”,人工智能是新一轮产业变革的核心驱动力;《人工智能标准化白皮书(2018版)》发布,指出要培育壮大包括人工智能在内的新兴产业。但从人才培养角度而言,我国高校人工智能领域的学科建设、人才培养相对滞后。语音识别行业作为人工智能的一个重要方面,相关专业人才的培养势在必行。语音识别技术的应用已经成为一个具有竞争性的新兴高技术产业。语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。
《语音识别技术》课程是智能科学与技术专业本科生的一门专业选修课程。语音识别是一门交叉学科,语音识别技术与语音合成技术结合使人们能够甩掉键盘,通过语音命令进行操作。通过本课程的学习,使学生具备语音识别的基础理论知识、掌握语音识别的技术和方法,并了解有关语音识别的动态;培养和提高学生在多媒体信息处理方面的分析与解决问题的能力,使人与机器用自然语言进行对话的梦想逐步接近实现,为日后从事相关领域的工程技术工作、科学研究以及开拓新技术领域,打下坚实的基础。?
2.对接培养的岗位能力
本课程支持以下毕业要求:
毕业要求2.1能够应用科学原理,识别智能科学领域复杂工程问题的关键环节,并使用数学模型方法加以表达。
毕业要求3.2 能够针对智能系统的特定需求完成智能算法或系统装置的设计。
三、课程教学目标
课程目标及毕业要求如下:
课程目标1.了解语音信号处理的基础知识,掌握语音信号处理的矢量量化、隐马尔科夫模型等常用算法,对语音信号进行的时域分析、频域分析、倒谱分析、线性预测分析和小波分析。(支撑毕业要求2.1)
课程目标2.掌握语音信号特征提取技术,学习掌握语音识别的原理和识别系统的组成,了解孤立字(词)识别系统和连续语音识别系统的组成和常用方法。(支撑毕业要求3.2)
课程目标与毕业要求的关系矩阵
课程目标
毕业要求指标点
2.1
3.2
课程目标1
√
课程目标2
√
四、教学课时安排
(一)学时分配
序号
教学内容
总学时
学时
完成课程
教学目标
讲课
实验
实践
1
语音信号处理基础知识
4
2
2
0
课程目标1
2
语音信号处理常用算法
6
6
0
0
课程目标1
3
语音信号分析
10
6
4
0
课程目标1
4
语音信号特征提取技术
6
4
2
0
课程目标2
5
语音识别
6
6
0
0
课程目标2
合计
32
24
8
0
(二)实验或实践学时安排
序号
实验/实践项目名称
实验/实践学时
实验/实践类型
实验/实践要求
每组
人数
备注
1
语音信号的预处理
2
验证性
必做
3
2
语音分帧与加窗
2
验证性
必做
3
3
线性预测分析
2
综合性
必做
3
4
共振峰估计实验
2
综合性
必做
3
注:
1.实验类型:分“演示性”、“验证性”、“综合性”、“设计性”、“创新性”
2.实验要求:分“必做”、“选做”
3.每组人数:指教学实验项目中在每套仪器设备上同时完成本实验项目的人数。如2人合用一台显微镜,则每组人数为2人;5人合用一台仪器则每组人数为5。
五、教学内容及要求
主题1 语音信号处理的基础知识
1.教学内容
语音发音及感知系统;语音信号生成的数学模型;语音基本概念与参数;语音信号的数字化和预处理。
2.教学
语音信号生成的数学模型和语音信号的数字化和预处理.
3.教学难点
语音信号的预处理。
4.教学方案设计
采用实例法、分析讨论法,提问、循序渐进等教学方法,理论联系实际应用以提高学生学习兴趣。采用多媒体和板书相结合的教学手段,提高教学质量和效果。
主题2 语音信号处理常用算法
1.教学内容
矢量量化;隐马尔可夫模型。
2.教学
隐马尔可夫模型的定义及其基本算法。
3.教学难点
隐马尔可夫模型的基本算法。
4.教学方案设计
采用实例法、分析讨论法,提问、循序渐进等教学方法,理论联系实际应用以提高学生学习兴趣。采用多媒体和板书相结合的教学手段,提高教学质量和效果。
主题3 语音信号分析
1.教学内容
语音分帧;语音信号的时域分析和频域分析;语音信号的倒谱分析、线性
文档评论(0)