基于倒谱的分析及硬件实现书.docVIP

学号 2012704060 昆明理工大学硕士研究生学位论文 开题报告书 专 业 电子与通信工程 姓 名 朱健晨 入 学 时 间 2012年九月 导 师 刘增力 拟定的论文题目 基于倒谱的分析及硬件实现 报 告 日 期 2014年5月 研究生院 1、论文选题的国内外研究动态及现状 同态信号系统有2种：乘同态信号处理系统和卷积同态信号处理系统。倒谱属于卷同态信号处理系统，其主要功能是解卷用的，正因为倒谱所具有的性质，所得倒谱可以对语音信号进行分析，语音分析的目的是根据记录的语音信号来得到关于激励源和声道冲激响应的有关参数，显然，卷积同态系统适合于这一要求。语音识别是机器通过识别和理解过程把语音信号转变为相应的文本文件或命令的高科技。作为专门的研究领域，语音识别又是一门交叉学科，它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多科学精密相连。语音识别经过四十多年的发展，已经显示出巨大的应用前景。语音信号之所以有强大的应用，是因为语音室语言的声学表现形式，是人类交流信息最自然、最有效、最方便的手段，也是人类进行思维的一种依托。如今，人类开始进入了信息化时代，利用现代化手段研究语音处理技术，从而能更加有效地对语音信息进行传输和存储。其中，语音识别技术是实现人机信息的一种重要的技术手段，其目的是将人类语言语音中的词汇内容转为计算机可识别的输入，语音识别产品在人机交互中所占的比例越来越大，对于现在的语音识别系统，不光考虑高识别率，实时性和大词汇量这些因素，还要考虑软硬件设计简单、价格低廉、易控制、人机交互便捷等方面的综合考虑。目前许多语音识别系统采用的识别算法都是在PC机上实现的，并且以计算发杂的美尔倒谱系数（MFCC）为语音特征参数，采用过程繁琐的隐马儿克夫模型为匹配方法，不适合于实时语音信号的识别，相比于HMM等复杂算法和模型，在小词汇量语音识别中，DTW算法无论在时间效率还是空间需求上都有很大优势，在带有多核处理器、DSP或者FPGA等具有并行能力的嵌入式软件和硬件系统实现中，算法性能有很大的提升空间，正所谓具体问题具体分析，不同的语音信号需要不同的算法去实现。正因为如此，语音识别技术要求计算机接受人的口语命令并作出相应，是其识别的重要的分支。语音信号特征参数的提取是语音识别的关键。特征参数要能代表语音特征，包括声道特征、听觉特征、具有很好的区分性、各阶段参数之间有良好的独立性等。常用的有能量、间距频率、短时间频谱、倒频谱、线性预测系数、PARCOR系数等。线性预测倒谱系数是常用特征参数，采用地推公式提取信号倒谱，速度和精度都可以保证。但是，Mel频率倒谱系数（MFCC）比它更符合人耳听觉特性，在有信道噪声和频率失真的情况下，能产生更高的识别精度。语音识别的这些特点和所具有的性质使得在生物尤其是在人类生活领域以其独特的方便性、经济型和准确性等优势受到人们的关注。近年来随着DPS技术的迅猛发展以及性能的不断完善，用DPS来作语音实时处理也越来越受到人们的重视。基于DSP的说话人识别系统具有高精度、速度快、体积小、操作简单、成本低等特点。可广泛的用于司法、公安、机场、办公室等场所，具有广阔的应用前景。 参考文献 卢刚, 闫敬文. 用 C542 KDSK 实现信号倒谱计算[J]. 厦门大学学报: 自然科学版, 2001, 40(5): 1056-1061.贾克明, 陶洪久. 基于 DSP 的嵌入式语音识别系统的研究与实现[J]. 武汉理工大学学报: 信息与管理工程版, 2008 (7): 156-159.贾克明, and 陶洪久. 基于 DSP 的嵌入式语音识别系统的研究与实现. 武汉理工大学学报: 信息与管理工程版 7 (2008): 156-159.丘敬云. 说话人识别系统研究及其 DSP 实现[J]. 2012.常丹华, 郑春蕾. 基于 DSP 的语音识别智能控制系统[J]. 电子测量技术, 2008, 31(4): 175-178.姚峰英. 语音增强系统的研究与实现[D]. 中国科学院上海冶金研究所, 2001.杨占军, 杨英杰, 王强. 基于 DSP 的语音识别系统的设计与实现[J]. 东北电力大学学报, 2006, 26(2): 60-64.赵鹏. 基于 DSP 的连接数码语音识别研究与设计[D]. 湖南大学, 2006.沈宏余. 基于 DSP 的声控系统的研究与实现[D]. 无锡: 江南大学