《语音识别技术》课程教学大纲（本科）.docx

《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