导　　师： 杜明辉; 易骏

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 近几年,随着移动终端业务以及人工智能的不断发展成熟,人们对产品带来的主观感受的要求越来越严格,能进行自然语言交互的产品需求越来越大。而Android作为移动终端重要的操作系统,基于这个平台实现语音识别具有重要意义。目前语音识别的大部分算法研究都是停留在仿真阶段,未能实现工程上的应用。而目前移动终端语音识别功能是主要基于第三方提供的平台实现的,如Google、百度等。主要有在线识别和离线识别两种方式,在线识别方式的缺陷在于必须连接到网络,离线识别方式的缺陷在于用户无法自定义待识别内容,两者都严重依赖于这个第三方对语音信号的处理。倘若能搭建一个独立的语音识别系统,识别内容由开发人员为用户拟定,同时在不连接网络的情况下实现语音识别,可以减少移动终端对网络资源的使用,将会极大地改善用户体验。针对以上提出的问题,本文对语音信号处理的相关技术进行了大量的研究,包括预处理、特征提取等。并在这些处理技术的基础上提出了以下解决方案:首先,研究了隐马尔科夫模型(Hidden Markov Model,HMM)和递归神经网络(Recurrent Neural Network,RNN)的基本理论以及在语音识别方面的应用。然后分析了HMM和RNN各自的优势和存在的不足,提出HMM和RNN相结合的设计方案。最后设计实现了Android平台语音识别系统,通过大量实验测试分析了调整训练参数对系统的影响,与其他语音识别系统进行比较,评估语音识别系统的识别率和抗噪性能存在的优势,并分析系统存在的不足以及对未来的展望。更多还原

关 键 词： 语音识别

领　　域： []