【中文摘要】 现代语音识别系统广泛采用隐马尔可夫模型(HMM),连续密度分布的HMM模型出于计算量的考虑和模型的简化,往往把协方差矩阵假定为对角阵,但这无疑会降低识别性能。在确保语音信号识别率较高的前提下,本文采用一种基于SPM(分段概率模型)的新模型,这种模型不必进行矢量量化,它也具有连续密度分布的特征,却没有那么大的计算量,即连续距离密度的分段概率模型(CDD―SPM)。 本文主要研究基于AD1836和ADSP21161的语音识别系统及其软件设计。全文分析了线性预测倒谱系数(LPCC),隐马尔可夫模型(HMM)及其基础上的连续距离密度的分段概率模型(CDD―SPM),详细介绍语音识别系统中基于ADSP21161 EZ-KIT-Lite开发板的处理单元和语音识别系统的起点判断、语音样本特征参数提取、语音信号的训练和识别等系统的软件设计。根据最后试验数据及系统分析,此系统技术指标完全满足本设计系统的最初设计要求。 本文完成的主要工作: (1)分析了基于隐马尔可夫模型(HMM)的训练和识别距离模型在运算速度上的缺陷,在算法的选择上选用了节省时钟周期的CDD-SPM的算法思路,并对语音信号的特... ……