如何使用MATLAB进行语音识别算法研究的论文资料免费下载

　　本论文介绍了双门限语音端点检测理论，研究了语音特征参数地提取过程，特征参数包括：线性预测系数（LPC）、线性预测倒谱系数（LPCC） 和Mel频率倒频系数（MFCC） 。并研究了3种不同的语音识别算法： DTW算法、VQ算法和HMM算法。并且在MATLAB环境中提取了孤立字语音（十个数字0~9的汉语发音）的LPCC、MFCC特征参数，用它们配合上述3种语音识别算法实现了对这些孤立字语音的识别。

　　语音识别研究开始于二十世纪50年代，Bell 实验室实现了第一个可以识别10个英文数字的语音识别系统（Audry）。

　　但是真正取得实质性进展是在60年代末，70 年代初，当时提出了动态时间规划（DP） 和线性预测分析技术（LP）， 后者很好地解决了语音的建模问题，到了70年代初，动态时间规整（DTW） 解决语音特征长度不一致的问题。这对特定人孤立词的语音识别特别有效。70年代还提出了矢量量化VQ和隐马尔可夫模型HAOM的语音识别算法。

　　80年代，这时研究的重点转到了对连续语音的识别，提出了多级的动态时间规划识别算法等，此时设计方法算法从模板匹配到统计模型转变。特别是隐马尔可夫模型HMM语音识别算法的成熟和推广，。

　　90年代人们开始研究自然语音的识别，逐渐发展到口语对话和人机语音交互的方面。人工神经网络技术也开始用于语音识别，成为语音识别的--条新途径。

　　我国在80年代后期研究了人机语音对话项目，这个时候，国内的大学和研究所相继研究了语音识别。

　　国外许多公司为语音识别投入大量资金，推动语音识别的研究。

　　经过了半个世纪地研究发展，目前语音识别技术已经发展到了接近实用的阶段。在实验环境下，识别率很高，达到90%以上，在这样的基础上，语音识别走向了商品化。虽然很多公司开发除了语音识别系统，但是它还主要受到计算的性能和价格的制约，还有很多方面需要改进。

　　1.提高可靠性。

　　语音识别技术的识别率特别受到语音环境的影响，在公共场合，噪音比较大，虽然人耳可以很轻松的屏蔽掉无用信息，或不想要的信息。但是计算机不能屏蔽掉，它会对语音识别率造成严重的干扰，所以必须要采取滤出噪声等措施，提高可靠性。

　　2.增加词汇量。

　　语音识别系统应该有很大的词汇量，让语音识别系统的功能更强大，作用更广人机交互更加智能化，使人们更加方便使用机器。

　　3.应用拓展。

　　可以使用语音识别系统开发- -些应用，使人们生活水平更高，更加智能化，享受舒适温馨的生活。

　　4.降低成本减小体积。

　　任何技术商品化，都必须要降低成本，使普遍人们能够使用的起，小体积的识别系统更符合人们的需要，就像计算机一样，从开始的研发的大型计算机，到民用的个人计算机，体积缩小了很多。

　　21世纪是信息和网络的时代，Internet、 智能手机、计算机、物联网、移动电话网将会把全球的人与人之间、人与物之间、和物与物之间都相互连接起来。而自然口语对话、智能家居、信息索取、电子商务、语音翻译、数字图书馆等领域，语音识别技术将发挥巨大的作用。

　　本论文描述了基本的语音识别基本原理，介绍了语音识别的-般过程。在第二章介绍语音识别的算法所需要的参数提取的过程，包括语音信号预加重、分帧、端点检测， LPCC和MFCC意义和它的提取过程。第三章介绍了动态规划DTW算法、矢量量化算法和隐马尔可夫模型HMM算法语音识别，第四章得出了语音识别的实验结果。第五章做出总结。