DOC《毕业设计（论文）期中报告（理工类）》

毕业设计(论文)期中报告(理工类) 毕业设计(论文)题目: 自动语音门禁系统的仿真实现 课题来源 教师自拟课题 课题性质 开发设计 根据上学期完成的毕业设计选题、开题报告、文献综述和外文翻译等一些前期工作,本学期开始了代码编写,开发之前首先配置了系统的开发环境:MATLAB.

MATLAB除具备卓越的数值计算能力外,它还提供了专业水平的符号计算,文字处理,可视化建模仿真和实时控制等功能.Matlab是一种解释性执行语言,具有强大的计算、仿真、绘图等功能,而且使用简单,扩充方便,同时因为有丰富的函数库(工具箱)所以计算的功能实现也很简单.Matlab和其他高级语言也具有良好的接口,可以方便的实现与其他语言的混合编程. 语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面.此外,还涉及到语音识别单元的选取.选择识别单元是语音识别研究的第一步.语音识别单元有单词(句)、音节和音素三种,具体选择哪一种,由具体的研究任务决定. 单词(句)单元广泛应用于中小词汇语音识别系统,但不适合大词汇系统,原因在于模型库太庞大,训练模型任务繁重,模型匹配算法复杂,难以满足实时性要求. 音节单元多见于汉语语音识别,主要因为汉语是单音节结构的语言,而英语是多音节,并且汉语虽然有大约1 300个音节,但若不考虑声调,约有408个无调音节,数量相对较少.因此,对于中、大词汇量汉语语音识别系统来说,以音节为识别单元基本是可行的. 音素单元以前多见于英语语音识别的研究中,但目前中、大词汇量汉语语音识别系统也在越来越多地采用.原因在于汉语音节仅由声母(包括零声母有22个)和韵母(共有28个)构成,且声韵母声学特性相差很大.实际应用中常把声母依后续韵母的不同而构成细化声母,这样虽然增加了模型数目,但提高了易混淆音节的区分能力.由于协同发音的影响,音素单元不稳定,所以如何获得稳定的音素单元,还有待研究. 前期所做的工作为设计语音识别系统的框架,完成本设计的图形用户界面以及语音识别单元的选取,并且完成一部分代码的编写. 语音识别的方案为: 输入的模拟语音信号首先要经过预处理,包括预滤波,采样和量化,加窗,端点检测,预加重等.语音信号经预处理后,接下来重要的一环就是特征参数提取. 语音信号中含有丰富的信息,如何从中提取出对语音识别有用的信息是语音识别的关键.特征提取就是完成这项工作,它对语音信号进行分析处理,去除对语音识别无关紧要的冗余信息,获得影响语音识别的重要信息.对于非特定人语音识别来讲,希望特征参数尽可能多的反映语义信息,尽量减少说话人的个人信息 线性预测(LP)分析技术是目前应用广泛的特征参数提取技术,许多成功的应用系统都采用基于LP技术提取的倒谱参数.但线性预测模型是纯数学模型,没有考虑人类听觉系统对语音的处理特点. Mel参数和基于感知线性预测(PLP)分析提取的感知线性预测倒谱,在一定程度上模拟了人耳对语音的处理特点,应用了人耳听觉感知方面的一些研究成果.实验证明,采用这种技术,语音识别系统的性能有一定提高.对特征参数的要求是: 提取的特征参数能有效的代表语音特征,具有很好的区分性. 各阶参数之间有良好的独立性. 特征参数要计算方便,具有高效的计算方法,以保证语音识别的实时实现. 将特征参数进行一定的处理后,为每个词条得到一个模型,保存为模板库.在识别阶段,语音信号经过相同的通道得到语音参数,生成测试模板,与参考模板进行匹配,将匹配分数最高的参考模板作为识别结果.同时还可以在很多先验知识的帮助下,提高识别的准确率. 指导教师意见: 指导教师签字:年月日教研室主任意见: 教研室主任签字:年月日