语音识别系统

摘要： 随着数据处理技术的不断进步及人工智能技术的逐渐普及,语音识别技术的应用随之得到重视。语音识别技术是生物识别技术的分支之一,是在指纹识别、掌纹识别等传统生物识别技术的基础上形成的一种新技术,在实际应用的过程中,该技术可以识别所获取到的各种语音信号,实现匹配和辨别的效果。文章旨在人工智能技术应用的基础上完成语音识别系统的设计与研究,使得人机用户界面更加简单、便捷、易用。在语音识别系统中,对个体语音间的微小差异进行识别、分析和处理,并与实际的研究成果相结合,提高人工智能系统中智能语音识别的精准度。

摘要： 自动语音识别系统(ASR)能将输入语音转换为对应的文本,其性能因深度学习技术的发展得到了显著提高.然而,通过在输入语音中添加微小扰动而生成的对抗样本,可以使人类毫无察觉的同时让ASR系统产生不可预测的,甚至是攻击性的指令.这种新型的对抗样本攻击给基于深度学习的ASR系统带来了诸多安全隐患.本文对语音对抗样本作了系统性的分析和梳理,提出了对现有对抗样本的分类.其次介绍了面向ASR系统的对抗样本生成方法.同时,阐述了典型的对抗样本防御策略.最后讨论了对抗样本带来的挑战,并分别就如何使生成的攻击更加逼真,和增强ASR的鲁棒性提出了若干有价值的研究方向.

摘要： 通过对语音识别、网络通信与智能机器人运动控制的综合应用,设计了采摘机器人语音识别和远程控制智能机器人系统,在遇到突发状况时,可以采用人工远程语音发出控制指令的方式调整机器人的作业姿态,提高机器人的自主作业效果。为了提高语音识别的准确性,结合英语词汇整合数据库和WAP技术,将小波神经网络算法应用到了机器人语音信号滤波器的设计上,并采用神经网算法对动作的执行进行了训练,提高了机器人动作执行的精确性。最后,对机器人语音识别和动作执行的准确性进行了验证,结果表明:采用小波神经网络算法可以明显降低采摘机器人动作执行的误差,进而提高了作业质量。

摘要： 语音是人类与智能手机或智能家电等现代智能设备进行通信的一种常用而有效的方式。随着计算机和网络技术的显著进步,语音识别系统得到了广泛的应用,它可以将用户发出的语音指令解释为智能设备上可以理解的数字指令或信号,实现用户与这些设备的远程交互功能。近年来,深度学习技术的进步推动了语音识别系统发展,使得语音识别系统的精度和可用性不断提高。然而深度学习技术自身还存在未解决的安全性问题,例如对抗样本。对抗样本是指在模型的预测阶段,通过对预测样本添加细微的扰动,使模型以高置信度给出一个错误的目标类别输出。目前对于对抗样本的攻击及防御研究主要集中在计算机视觉领域而忽略了语音识别系统模型的安全问题,当今最先进的语音识别系统由于采用深度学习技术也面临着对抗样本攻击带来的巨大安全威胁。针对语音识别系统模型同样面临对抗样本的风险,本文对语音识别系统的对抗样本攻击和防御提供了一个系统的综述。我们概述了不同类型语音对抗样本攻击的基本原理并对目前最先进的语音对抗样本生成方法进行了全面的比较和讨论。同时,为了构建更安全的语音识别系统,我们讨论了现有语音对抗样本的防御策略并展望了该领域未来的研究方向。

摘要： 相比传统模型,基于深度学习的语音识别系统能利用持续增长的数据量来提升识别性能,进一步激发更多的产业应用.在深度学习技术广泛应用后,语音相关产业发展迅速,产品形态多种多样,语音输入、语音搜索、智能助手等产品接连出现,一场人机交互的变革正在发生.

摘要： 近些年来,人工智能的技术发展日益迅速,将人工智能与语音识别系统的结合发展也成为了新的研究方向.基于人工智能的语音识别系统在应用过程中进行了矢量化模型的构建,同时在特征参数的提取以及分析处理的过程中更加具有高效性.笔者将立足于实际,结合当前业内的研究成果,对基于人工智能的语音识别系统的应用进行研究与分析.

摘要： 为了提高智能客服服务质量,提出基于BLSTM网络的智能客服语音识别系统.建立了系统总体构架,设计了系统硬件及软件.通过PCI9054进行语音识别系统的集成DSP控制,采用低功耗的GT834032进行智能客服语音识别的集成语音信息处理和指令加载,完成硬件设计.软件部分根据匹配滤波检测方法完成信号增强和滤波处理,在时域和频域空间内提取高阶谱特征量,实现波束集成处理.通过网络信道均衡调制方法均衡控制语音传输,结合稳定性测试方法完成稳定特征提取和定位检测,实现智能客服语音信号识别.仿真实验结果表明,所设计系统对语音信号识别的抗干扰性较好,特征辨识度较高,信号检测和识别能力较强.

摘要： 英语专业在教学实践过程中经常会遇到各种各样的困难,对英语教学效果形成不良影响,从而导致教学质量下降.针对我国过去长期以来英语专业教模式存在的弊端,我国高校合理利用现代信息科技的一切有利条件,为英语专业的学生建立具有现代化科技的教学模式,提出开发英语翻译语音识别系统.文章采用嵌入式语音识别技术作为核心技术,在硬件方面使用三星公司的控制器,ARM处理器核结构进行设计;在软件方面主要从语音收集与预处理模块、MFCC特征提取模块、DTW识别模块完成该系统设计;最后还从识别模块、声学模块、执行模块、以及翻译器使用注意的事项等方面对本系统综合应用进行探讨,从而促进英语课堂教学水平提高.

摘要： 随着DSP技术和嵌入式技术的飞速发展,孤立词语音识别系统正逐步走向人们的日常生活.本文提出了一种孤立词实时语音识别系统,以TMS320VC5509低功耗芯片为核心,设计了系统的硬件结构,并将动态时间规整技术进行改进,在搭建的硬件平台上进行实验.实验结果表明,本系统具有较强的识别能力.该系统具有运行费用低、功耗小和占用空间小的特点.将本系统嵌入到汽车导航系统中,实现了车载导航系统更加实时、方便的控制.

摘要： 根据实际应用的需求，设计了一种在浴室噪声环境中的小词汇量的语音识别系统。针对特定的浴室噪声进行分析，引入一种语音增强算法来降低噪声对识别的影响。使用基于人耳听力模型的mel频率倒谱特征参数作为语音特征参数，并结合其一阶差分参数描述语音信号特征的动态特性。针对小词汇量的实际应用需求，选用基于动态时间规整的模板匹配方法来识别。该方法可以用于其他相似的噪声环境中，通过实验验证了该方法的可行性。

摘要： 通过对基于语音包络特征的语音识别系统的研究，对传统语音识别系统提出了如下改进：首先，利用提取语音波形的外层包络的特征作为语音的特征向量代替LPC，降低语音特征向量的数据量；其次，在识别过程中加入了预判断，降低了语音识别过程的复杂度并且减少了语音识别过程中的误判率。通过MATLAB实验表明，将此算法运用于孤立词语音识别系统。在测试词条为30个的条件下，平均识别率达到85%，而语音数据的存储量减少1/3~1/2。利用Verilog HDL语言完成了系统模块的电路设计和验证，最终该语音识别系统在Altera FPGA芯片上对系统进行仿真验证。

摘要： SOPC(System On a Programmable Chip,即可编程片上系统)是基于可编程逻辑器件(FPAG或CPLD)可重构的SOC(System On a Chip,即片上系统).SOPC集成了硬核或软核CPU、存储器、I/O以及可编程逻辑,可以灵活高效的解决SOC方案.本文介绍了基于SOPC的实时语音识别系统的设计与实现,能够实现非特定人、小词汇表、孤立词的语音识别.系统以线性预测倒谱参数为特征参数,采用动态时间规整识别模型,在小词汇量特定人条件下,该系统的正确识别率可达到96%以上,在非特定人情况下正确识别率在90%以上.

摘要： 在基于HMM模型的语音识别系统中,状态输出概率的计算占了总计算量的30％～80％,从而成为语音识别系统中一大瓶颈.本论文对快速概率计算算法进行了一个综述性的描述,主要从高斯分布和特征空间划分两个角度来介绍各种现有的快速概率算法,包括最近邻估计算法、有覆盖和无覆盖高斯选择算法以及K维空间划分树搜索算法,并对它们各自的特点和不同之处进行了描述。

摘要： 维吾尔语是一种黏着语,基于单词的语言模型不太适合于维吾尔语大词汇连续语音识别任务.本文提出了更适合维吾尔语的基于音节的语言模型,并且引入了最大匹配分词算法,评价了音节语言模型在大词汇连续语音识别任务中的单词识别性能.实验结果表明,基于音节的语言模型在未登录词和模型复杂度等方面表现出比基于单词的语言模型更加优越的性能,并且使识别系统的单元错误率比基于单词的系统相对减少了50%.因此,在有些语音识别任务上可以将音节作为识别单元.

摘要： 提出了一种基于浮点数字信号处理器TMS320C6713 的实时语音识别系统。该系统以TMS320C6713 DSP 芯片和MSP430F149 低功耗单片机为核心进行设计，实现了对非特定人、孤立词的语音信号的采集、识别和输出结果显示及外围设备的控制等功能。采用了Mel 频率倒谱系数作为特征参数进行特征提取和动态时间规整（DTW）算法进行模式匹配。该系统具有良好的灵活性和实时性，在抗噪声、鲁棒性和识别率等方面也有明显的提高，在许多领域可作为实用化的一种参考。

摘要： 为了满足超大词表语法的识别任务在嵌入式语音识别系统上的应用，提出了一种高效的双层图搜索算法。该算法通过分离声学层和词法层来构建2层图搜索空间，其中声学层记录声学模型相关信息，词法层记录词表语法信息。利用这样简洁的搜索空间可以使语音识别的解码过程更加紧凑有效。在对比实验中，传统的基于前缀合并的状态树搜索算法的大词表嵌入式单词拼读系统作为基线系统。实验结果表明，与基线系统相比，所提出的双层图搜索算法在系统解码速度相对提高10％的情况下，系统的动态内存占用仅为基线的8％。通过使用所提出的双层图搜索算法，大大提高了大词表嵌入式单词拼读系统的效率，使其更适用于大多数嵌入式平台。

摘要： 本文主要陈述利用语言学、计算语言学、统计学理论的融合方法，研究歧义词规则形成技术、机器学习技术以及规则处理和统计结合技术，解决在现代维吾尔语资源库建设与自然语言处理中待解决的难题，并介绍已做的主要工作。首先简要陈述新疆师范大学计算机信息技术教育研究体系、自然语言处理研究体系等的形成过程；其次讨论维吾尔语连续语音识别系统和维吾尔语语料库构建与处理系统研究处理技术与方法；第三步，新疆师范大学该领域今后的发展方向。

摘要： 本文结合广播语义特点,提出了基于多种分类器的针对广播电台的智能SAD(speech activity detection)系统.系统由有声/静音分类器、语音/非语音分类器、非纯语音/纯语音分类器、男性声音/女性声音分类器、音乐/噪声分类器组成,分帧分段,提取帧级段级特征,将每段音频分为男性声音、女性声音、现场报道、噪音、音乐、静音六种不同类别,经过平滑处理,最后分成六种类别的大段音频.准确快速地实现音频语义高层信息的提取,完成音频按结构拆分工作.

摘要： 一种用于训练多语言语音识别网络的方法包括：提供与预定语言相对应的话语数据集；在话语数据集中插入语言标识(ID)标签，其中，话语数据集中的每一个由语言ID标签中的每一个来加标签；将加标签的话语数据集级联；从话语数据集生成初始网络参数；根据预定序列选择初始网络参数；以及用一系列所选择的初始网络参数和级联的加标签的话语数据集迭代地训练端到端网络，直到训练结果达到阈值。

摘要： 一种基于车辆的系统和方法，其用于接收语音输入并且确定是否使用车载资源或车辆外部的资源来执行语音识别分析。

摘要： 一种用于训练多语言语音识别网络的方法包括：提供与预定语言相对应的话语数据集；在话语数据集中插入语言标识(ID)标签，其中，话语数据集中的每一个由语言ID标签中的每一个来加标签；将加标签的话语数据集级联；从话语数据集生成初始网络参数；根据预定序列选择初始网络参数；以及用一系列所选择的初始网络参数和级联的加标签的话语数据集迭代地训练端到端网络，直到训练结果达到阈值。

摘要： 一种基于车辆的系统和方法，其用于接收语音输入并且确定是否使用车载资源或车辆外部的资源来执行语音识别分析。

摘要： 本发明题为“语音识别系统以及用于运行语音识别系统的方法”。本发明涉及一种语音识别系统，其具有移动单元和外部服务器。移动单元包括存储单元，在存储单元上存储有语音模块数据，其包含具有语句的至少一个语句集合。存储单元还包括语音识别单元和数据接口，通过数据接口可建立与外部服务器的数据接口的数据连接。外部服务器包含具有事件数据的数据库，对事件数据分配时间数据和语句。通过外部服务器经由比较对事件数据分配的时间数据和当前的时刻可产生更新数据，其至少包含对数据库的事件数据分配的语句。更新数据可传输给移动单元。此外，借助更新数据可将传输的语句添加到语句集合中。本发明还涉及一种用于运行语音识别系统的方法。

摘要： 本发明公开了一种用于调节语音识别系统的方法及语音识别系统，其中，该语音识别系统包括扬声器和麦克风，并且其中，该方法包括以下步骤：存储音频信号；借助扬声器回放音频信号；通过借助麦克风检测音频信号来产生检测信号；以及根据检测信号调节语音识别系统的参数。

摘要： 本发明公开一种用于语音识别系统的特征矢量集的压缩方法，在对语音特征矢量集聚类得到码本的过程中，增加了根据子集合中矢量数及矢量的总距离度量来动态合并和分裂子集合的步骤，减小了聚类后集合中矢量与其对应的码字的距离度量总和，提高了聚类算法的精度，将本发明方法压缩后的码本应用于语音识别系统中，可在保证语音系统识别性能的同时，大大降低了系统的存储量。本发明还公开一种语音识别系统，用特征码本和概率表代替声学模型，在解码的过程中不需要计算高斯概率，只须从预先存储的概率表中查找出所需的概率值，大大减少了解码运算量，因而可极大地提高系统的识别速度。

摘要： 用于语音识别系统的系统和方法，该语音识别系统用于识别包括多个讲话者的交叠语音的语音。该系统包括硬件处理器。计算机储存存储器存储数据并且具有存储于其上的计算机可执行指令，该计算机可执行指令在由处理器执行时将实现所存储的语音识别网络。输入接口接收声学信号，所接收的声学信号包括多个讲话者的语音信号的混合体，其中多个讲话者包括目标讲话者。所存储的语音识别网络的编码器网络和解码器网络被训练为将所接收的声学信号变换为针对每个目标讲话者的文本。使得编码器网络输出一组识别编码，并且解码器网络使用一组识别编码以输出针对每个目标讲话者的文本。输出接口传输针对每个目标讲话者的文本。

摘要： 本发明题为“语音识别系统以及用于运行语音识别系统的方法”。本发明涉及一种语音识别系统，其具有移动单元和外部服务器。移动单元包括存储单元，在存储单元上存储有语音模块数据，其包含具有语句的至少一个语句集合。存储单元还包括语音识别单元和数据接口，通过数据接口可建立与外部服务器的数据接口的数据连接。外部服务器包含具有事件数据的数据库，对事件数据分配时间数据和语句。通过外部服务器经由比较对事件数据分配的时间数据和当前的时刻可产生更新数据，其至少包含对数据库的事件数据分配的语句。更新数据可传输给移动单元。此外，借助更新数据可将传输的语句添加到语句集合中。本发明还涉及一种用于运行语音识别系统的方法。

摘要： 公开了一种用于调节语音识别系统的方法及语音识别系统，其中，该语音识别系统包括扬声器和麦克风，并且其中，该方法包括以下步骤：-存储音频信号；-借助扬声器回放音频信号；-通过借助麦克风检测音频信号来产生检测信号；以及-根据检测信号调节语音识别系统的参数。