语音信号与文本信息的智能处理

摘要

该文主要涉及了文本信息处理和语音信号处理.首先,该文对文本相似度的计算进行了研究.我们分析了目前文本相同相似判别的方法,并且分析了中文文本分词的现状,以及提出了基于字符串和基于词频统计的相结合的方法进行文本的相同相似判别.在此基础上,我们结合实际的项目,采用新的判别方法,搭建了一个学生作业文本相同、相似判别系统.其次,针对实验室目前的两个语音识别研究项目中数据的不同特点,我们分析了两种端点检测算法.在说话人识别项目中,语音数据非常干净,因此采用了基于能量的判别方法,方法简单且非常有效.系统应用该算发后识别率大幅度提高.而在电话转接语音识别系统项目中,由于录制的语音数据中含有噪声,因此希望寻找一种鲁棒的算法,同时又要求该算法有很好的实时性.因此,我们研究了能量和倒谱欧式距离相结合的判别方法,发现该方法能够在我们录制的语音数据库中很好地工作.最后,我们对语音识别系统的鲁棒性进行了研究.鲁棒性问题仍然是当今语音识别发展的一个重要方向.这里我们主要分析了PMC和语音增强算法.

目录

文摘

英文文摘

独创性（或创新性）声明及关于论文使用授权的说明

第一章概述

1.1 中文信息处理研究的历史与现状

1.2 语音识别的发展历史与现状

1.3 课题的内容与意义

1.4 论文的结构和内容

第二章文本相似判别

2.1 概述

2.2 自然语言文本相似判别中的几个问题

2.2.1文本特征问题

2.2.2文本块问题

2.2.3系统结构

2.2.4总结

2.3 文文本自动分词

2.3.1汉语自动分词的现实性与可能性

2.3.2汉语自动分词中的基本问题和主要解决方法

2.4 学生作业相同、相似判别系统

2.4.1系统概述

2.4.2关键技术

2.4.3模块设计说明

2.4.4系统实现

2.4.5系统性能

第三章端点检测算法仿真及应用

3.1 概述

3.2 端点检测算法的研究

3.2.1基于能量的端点检测方法

3.2.2基于能量，过零率和倒谱距离的端点检测方法

第四章语音识别鲁棒性技术

4.1 鲁棒性综述

4.2 并行混合模型PMC

4.3 语音增强

第五章总结和展望

5.1 主要工作

5.2 工作展望

参考文献：

致谢