基于ARM的嵌入式语音识别系统研究

在分析语音识别原理的基础上,设计了一个基于ARM9和嵌入式Linux的嵌入式语音识别系统。采用动态时间归整(DTW)算法对语音信号进行特征参数序列比较并识别出结果。采用S3C2410微处理器和嵌入式Linux操作系统,将交叉编译后的语音识别C语言程序编译进嵌入式Linux操作系统的文件系统,实现语音识别系统的功能。     

嵌入式小词汇量语音识别系统

介绍了一种基于嵌入式微处理器的小词汇量语音识别子系统的具体实现,包括软、硬件环境以及在嵌入式语音识别环境下采取的特殊策略。基于嵌入式微处理器的系统能够实现较复杂的控制,并且具有较好的可扩展性。     

嵌入式语音识别系统性能分析

语音识别技术在嵌入式系统上的应用是当前的热点和难点。本文在三种不同的嵌入式系统上建立了基于HMM的非特定人大词汇表连续语音识别的实验平台,对语音识别的实时性能进行了测试分析,讨论了非特定人连续语音识别系统在不同嵌入式平台上的可行性。     

基于小波神经网络的嵌入式语音识别系统

本文介绍了基于嵌入式操作系统Windows CE和ARM平台的语音识别系统,该系统使用了小波神经网络技术。系统使用S3C2410芯片进行控制和语音识别,使用SPCE061A芯片完成训练算法、语音信号特征提取,具有较好的可移植性,在小波神经网络算法的帮助下,系统有较高的识别率。     

基于嵌入式Linux语音识别系统的设计

该设计运用三星公司的S3C2440,结合ICRoute公司的高性能语音识别芯片LD3320,进行了语音识别系统的硬件和软件设计。在嵌入式Linux操作系统下,运用多进程机制完成了对语音识别芯片、超声波测距和云台的控制,并将语音识别技术应用于多角度超声波测距系统中。通过测试,系统可以通过识别语音指令控制测量方向,无需手动干预,最后将测量结果通过语音播放出来。     

嵌入式语音识别系统研究

对嵌入式语音识别系统所涉及的硬件、外围接口电路作了分析比较,重点分析了S3C2410和存储模块;对嵌入式操作系统Windows CE和Linux作了介绍,重点分析了Linux及其引导程序BootLoader;对嵌入式系统识别算法的选取作了分析研究。     

LD3320的嵌入式语音识别系统的应用

语音交互系统是比较人性化的人机操作界面,它需要语音识别系统的支持。LD3320就是这样一款语音识别芯片。介绍了该芯片的工作原理及应用,给出了LD3320与微处理器的硬件接口电路及软件程序。随着高档MCU的不断出现,以MCU为核心的嵌入式语音交互系统会有非常好的应用前景。     

基于DSP的嵌入式语音识别模块的实现

设计并实现了一个特定人、孤立词、小词汇量的嵌入式语音识别模块,该模块能够方便地与多种控制芯片接口从而实现不同的功能.在硬件上,使用高速的TMS320VC5402芯片作为模块的运算单元;在软件上,采用谱减法进行前端去噪处理,接着根据谱熵进行语音端点检测,然后提取12维MFCC及其一阶差分作为特征参数,最后用加入模板阈值方法的改进型DTW算法完成整个识别过程.实验结果证明,该语音识别模块在满足实时性的前提下具有良好的识别率和抗干扰性能.     

嵌入式语音识别系统的研究和实现

本文首先给出了一种适合于在嵌入式平台上实现的可变命令集的非特定人语音识别系统,同传统的基于PC的非特定人语音识别系统相比,该系统具备内存消耗小,运算速度快的优点。然后给出了该语音识别系统在多种嵌入式平台上的实现和评估结果,论证了非特定人语音识别系统在嵌入式平台上实现的可行性及其对硬件的最低配置要求,在技术层次上分析了目前实现高性能语音识别SOC的主要问题和困难,并指出了今后相关的研究方向。     

基于DSP的非特定人语音识别系统

本文介绍了一种基于TMS320C6711 DSP的非特定人、孤立词语音识别系统。本文首先介绍了语音识别技术的基本原理,然后对不同的识别算法在多种嵌入式系统平台上进行性能分析和比较,可得到本语音识别系统具有较高的识别率、实时性和鲁棒性。     

基于深度学习的嵌入式离线语音识别系统设计

基于深度学习库Tensorflow和深度可分离卷积神经网络(Depthwise Separable Convolutional Neural Network,DS-CNN),实现一个嵌入式离线语音识别系统。利用Tensorflow和DS-CNN对预识别语音进行训练得到声学模型,移植该声学模型至嵌入式处理器中;对采集编码的语音信号经过分帧、加窗等预处理,采用梅尔频率倒谱系数(Mel Frequency Cepstral Coefficent,MFCC)方法进行特征提取,利用声学模型对提取的特征进行分类判别。测试结果表明,基于深度学习的语音识别可以有效地应用在嵌入式平台上,相比于一些传统算法,在识别率和识别时间上有明显的提高。     

An embedded system for real-time facial expression recognition based on the extension theory

This paper presents a novel facial expression recognition scheme based on extension theory. The facial region is detected and segmented by using feature invariant approaches. Accurate positions of the lips are then extracted as the features of a face. Next, based on the extension theory, basic facial expressions are classified by evaluating the correlation functions among various lip types and positions of the corners of the mouth. Additionally, the proposed algorithm is implemented using the XScale PXA270 embedded system in order to achieve real-time recognition for various facial expressions. Experimental results demonstrate that the proposed scheme can recognize facial expressions precisely and efficiently.     

基于嵌入式系统的人脸识别算法研究及其优化

该文主要实现了在嵌入式系统上的人脸识别。采用PCA对图像数据进行降维,然后利用最短欧氏距离、支持向量机(Support Vector Machine,SVM)和BP神经网络实现了分类。在嵌入式系统上,没有使用QT、Open CV等占用空间大的工具,而使用自己编写的C语言,以及Linux内核,节省了空间,并且处理过程中使用了BMP图片,稍微增加了存储空间,但是运算简单,处理速度较快。     

嵌入式实时音乐语音识别系统的实现

设计并实现了一种嵌入式实时音乐语音识别系统.叙述了音乐语音识别系统硬件结构、软件流程,建立了一种基于多频段能量曲线分割结合过零率来检测端点的新方法,实验结果表明,该系统对特定人的平均识别率在96%以上.     

基于SoPC的孤立词语音识别系统的设计

采用SoPC方法,实现了基于动态时间规整(DTW)算法的孤立词语音识别系统,该系统可以作为电器系统的语音命令控制模块使用。考虑嵌入式系统的特点,对端点检测算法和模式匹配算法进行了选择和调整。实验表明,该语音识别系统运行速度和识别准确性能够适应语音控制的要求。SoPC设计方式灵活,适合对系统进行改进升级。     

基于语音识别技术的英语口语教学系统

许多计算机辅助英语学习的应用欠缺口语学习的评估和反馈.描述了一个采用语音识别技术的英语口语学习系统.除了通常的发音评分外,还提供基于音素关联和音素识别的错误检测功能.结合纠正知识库的改进建议和韵律修正语音,可以及时地给学习者以帮助.实验结果表明,能够纠正有一定基础学习者的多数非故意错误.     

基于语音识别的智能家居系统研究

针对智能家居系统中信息不能随时随地进行控制及其交流方式不流畅的问题,融合电话公用网和家庭网络设计了一个基于ARM9和语音识别技术的智能家居系统.该系统采用RASTA滤波方法去除语音信号中夹杂的卷积信道噪声,采用改进的动态时间规正(DTW)算法对语音命令进行识别.     

An automatic speech recognition system for spontaneous Punjabi speech corpus

Automatic speech recognition is the central part of the wheel towards the natural person-to-machine interaction technique. Due to the high disparity of speaking styles, speech recognition surely demands composite methods to constitute this irregularity. A speech recognition method can work in numerous distinct states such as speaker dependent/independent speech, isolated/continuous/spontaneous speech recognition, for less to very large vocabulary. The Punjabi language is being spoken by concerning 104 million peoples in India, Pakistan and other countries with Punjabi migrants. The Punjabi language is written in Gurmukhi writing in Indian Punjab, while in Shahmukhi writing in Pakistani Punjab. In the paper, the objective is to build the speaker independent automatic spontaneous speech recognition system for the Punjabi language. The system is also capable to recognize the spontaneous Punjabi live speech. So far, no work has to be achieved in the area of spontaneous speech recognition system for the Punjabi language. The user interfaces for Punjabi live speech system is created by using the java programming. Till now, automatic speech system is trained with 6012 Punjabi words and 1433 Punjabi sentences. The performance measured in terms of recognition accuracy which is 93.79% for Punjabi words and 90.8% for Punjabi sentences.     

基于语音识别的汉语发音自动评分系统的设计与实现

语音识别技术的发展使得人与计算机的交互成为可能,针对目前对外汉语中发音教学的不足,在结合了语音识别的相关原理,提出了在对外汉语教学领域中汉语自动发音水平评价系统的设计,详细地描述了系统的结构、功能及流程.介绍了系统实现中的关键技术和步骤:动态时间弯折算法、语料库的建立、声韵分割技术以及评价分级标准.通过小范围的试验,表明该系统对留学生汉语发音水平的测试有一定的参考价值.