北京理工大学语音识别技术.ppt
您所在位置：网站首页 > 海量文档
 > 资格/认证考试 > 自考
北京理工大学语音识别技术.ppt58页
本文档一共被下载：
次,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
2003-12-02 北京理工大学 语音识别技术 谢 湘 博 士 xie.xiang@263.net 北京理工大学电子工程系 现代通信实验室 提 纲 一、语音识别技术概论 二、语音识别生理分析与系统设计 三、语音识别系统举例 四、关键技术——声学特征提取 五、关键技术——HMM 六、汉语语音识别特点 七、参考文献及作业 1.1语音识别学科特点 计算机学科 ——计算机智能接口 信息处理学科——信息识别及提取 通信及电子系统——信源处理 人工智能——时序模式、多维模式识别 …… 声学、生理学、心理学、语音学、语言学 “语音研究工作者应当努力工作在跨学科的领域” 1.2语音识别应用价值 信息查询（股票、天气、航班……） 人机界面（新一代操作系统、智能家居） 听写机（文字输入、记录） 数据库管理（语音检索）…… 语音识别（提取或匹配语义）、语音压缩（高效存储、传输语音信号）、语音合成（输出自然可懂的语音信号）、语音增强（提高信噪比、加重语音成分）息息相关。 说话人识别（安全应用） 关键词检出（多媒体数据检索）…… 1.3语音识别系统分类及典型系统 孤立词－连接词－连续语音－自然语音 特定人－非特定人 词汇量（小、中、大） IBM ViaVoice 听写机 AT&T VRCP系统（自助话务员协助呼叫） NTT ANSER 语音识别银行服务系统 SONY AIBO 机器狗 1.4 语音识别历史发展 50年代－AT&T Bell Lab，可识别10个英文数字 60年代－LP较好地解决了语音信号产生模型, DP则有效解决了不等长语音的匹配问题。 70年代－DTW（Dynamic Time Warp）技术基本成熟，VQ和HMM理论；实现了基于LPC和DTW技术相结合的特定人孤立语音识别系统。 80年代－HMM模型和人工神经元网络（ANN）在语音识别中成功应用。1988年美国CMU大学基于VQ/HMM开发SI-CSR系统 SPHINX。 90年代－大规模应用，工业标准，理论进展缓慢 1.5 语音识别的性能评价 原句：我 们 明 天 去 天 安 门 识别：我 × 明后天 去 天 坛 × 删除错误 Deletion 插入错误 Insertion 替换错误 Substitution 正确率: 准确率: 1.6 语音识别技术面临的问题 数据资源 (年龄、性别、语言、方言、主题、情绪、地域……切分、标注体系) 抗噪性能(背景噪声、信道噪声、干扰) 协同发音(Co-articulation) 口语现象(重复、顿措、语序颠倒……) 说话人变异(口音、情绪、年龄……) 听觉机理(音量、频率、抗噪、区分……) ………… 2.1语音产生语音理解生理过程 2.2语音识别层次模型 2.3统一层次模型——系统设计 2.4 各类典型语音识别系统比较 3.1语音识别系统基本构成 3.2语音识别系统举例 4、特征提取 预加重： 分帧： 短时平稳(10-30ms) 加窗：Hamming 特征参数 倒谱均值归一化 4.1 特征参数 静态参数：Mel-Frequency Cepstrum Coefficients (MFCC)、PLPC…… 帧能量 动态参数 4.2 Mel-频率 目的：模拟人耳对不同频率语音的感知 人类对不同频率语音有不同的感知能力 1kHz以下，与频率成线性关系 1kHz以上，与频率成对数关系 Mel频率定义 1Mel—1kHz音调感知程度的1/1000 Mel-频率 公式： 频率－Mel-频率： MFCC 计算流程： Discrete Fourier Transform (DFT) 公式： 应用：Fast Fourier Transform (FFT) Mel 滤波器组—参数选择 以采样率8kHz，帧宽30ms为例: FFT窗宽：512 滤波器个数：26 (通常24-40) 滤波器频率应用范围（电话频带）： 最高：3400Hz 最低：300Hz Mel 滤波器组—图示 对数能量 公式： 应用：对噪音和谱估计误差有更好的鲁棒性 倒谱参数 Discrete Cosine Transform (DCT) 倒谱维数：前12维 4.3 帧能量 公式： 应用： 4.4 动态参数 反映帧间相关信息 一阶差分： 二阶差分： 4.5 特征参数 特征矢量 图例：m=1 4.6 倒谱均值归一化 Cepstrum Mean Normalization (CMN) 目的：消除信道带来的影响 应用：T通常为整个词的特征帧数 一个变形： 5. HMM的核心思想和关键技术 问题描述（孤立词识别
发表评论
请自觉遵守互联网相关的政策法规，严禁发布色情、暴力、反动的言论。
用户名:
验证码:
匿名?
发表评论
北京理工大学语音识别技术.ppt相关推荐
- 协议关键技术_北京理工大学与华为签署战略合作协议
1月6日,北京理工大学(以下简称"北理工")与华为技术有限公司(以下简称"华为")在北京理工大学签署战略合作协议并就"智能基座"产教融合协同 ...
- 北京理工大学本科毕业论文答辩和论文选题PPT模板
模板介绍 精美PPT模板设计,北京理工大学本科毕业论文答辩和论文选题PPT模板.一套高校PPT幻灯片模板,内含橙色,灰色多种配色,精美风格设计,动态播放效果,精美实用. 一份设计精美的PPT模板,可以 ...
- 北京理工大学计算机学院王涌天,五分钟光学| 北京理工大学王涌天教授谈混合现实技术...
原标题:五分钟光学| 北京理工大学王涌天教授谈混合现实技术 本文为中国激光第2001篇. 今后的头戴式增强现实(AR)眼镜显示将依靠在眼睛远处形成的透明显示屏,它不影响你观察真实场景,同时,在你需要的 ...
- 考研北京理工计算机科学与技术,北京理工大学计算机科学与技术考研
一.北京理工大学计算机科学与技术考研研究方向有什么? 01 软件理论与工程 02 高性能嵌入式计算 03 网络与信息安全 04 语言信息处理与知识工程 05 智能感知与媒体计算 06 虚拟现实与仿真计 ...
- 《语音识别技术》.ppt
您所在位置:网站首页 > 海量文档  > 幼儿/小学教育 > 幼儿教育 <语音识别技术>.ppt57页 本 ...
- c语言压缩文本文件北京理工大学,北京理工大学C语言程序设计第十二章文件.ppt...
北京理工大学C语言程序设计第十二章文件 2000年1月25日 北京理工大学 / 第十二章 文件 第一节 文件概述 第二节 文件的处理 第三节 文件的顺序读写操作 第四节 文件的随机读写操作 第五节 文 ...
- 【百度贾磊】汉语语音识别技术重大突破：LSTM+CTC详解（22PPT）
1新智元原创1 作者:王嘉俊 新智元福利 回复1028下载贾磊22页PPT Google 去年发布了一项研究报告,说在美国年龄介于13到18岁的青年当中,约有55%的人每天使用语音搜索. 语音搜索正在 ...
- 北京理工大学操作系统复习——习题+知识点
文章目录 传送门 前言 ppt习题+课后习题汇总 第1章 操作系统概论 操作系统性能指标计算 第2章 进程管理 进程调度算法 课后2-9:最短作业优先 课后2-12:四种算法比较 课后2-13:轮转与 ...
- 保研之旅（中科院空天院、武汉大学、华南理工大学、 北京理工大学、中科院国家空间科学中心）
保研之旅(总结过往,启程未来) 目录 个人背景 5月 中科院空天信息创新研究院信息方向 7月 武汉大学测绘遥感信息工程国家重点实验室 7月 北京理工大学雷抗所 7月 华南理工大学电子信息学院 7月中科 ...
最新文章
- 五分钟体验分布式调度框架xxl-job
- 积性函数、狄利克雷卷积、莫比乌斯反演
- C++开源代码项目汇总
- FortiGate 硬件加速
- 多线程必须用到的线程池(什么时候用多线程)
- 正则表达式 perl
- Pytest入门【2】
- vim: 远程登陆服务器时可能出现的: 方向键，回退符不能正常使用
- python axes_python matplotlib中axes与axis的区别?
- C++ STL 函数partial_sum的正确使用方法
- JAVA程序设计的一次作业
- 搜集了一些AIDA64的GPGPU测试结果，现整理成表格共享
- Linux一句话精彩问答-网络无关篇
- 工业相机中的全局快门与卷帘快门
- Win10喇叭图标出现红叉提示“未安装任何音频输出设备“
- C语言内存空间分布详解
- 【AWS云从业者基础知识笔记】——模块1：AWS服务简介
- 数据解读热门美剧 | 《权力的游戏》花式死亡图鉴
- 论文精读 ——《BEVDepth: Acquisition of Reliable Depth for Multi-view 3D Object Detection》
- Android客户端学习-jdk安装