2) Speech recognition
语音识别
1.
Mahalanobis distance calculation module for speech recognition;
嵌入式语音识别Mahalanobis距离计算模块
2.
Small data set-based acoustic modeling for dialectal Chinese speech recognition;
基于小数据量的方言普通话语音识别声学建模
3.
Study of speech recognition algorithm based on RBF neural network;
基于径向基函数神经网络的语音识别
3) Voice recognition
语音识别
1.
Experimental Study on Using the Voice Recognition and Concept Mapping Technologies to Support the Students with Writing Disabilities;
语音识别和概念地图技术支持写作困难学生写作的实验研究
2.
Based on the analysis of signal awarding of JJY model and the application of ATmega 48 MCU granted automatic proof reading clock signal,voice recognition and reporting of standard time,temperature and humidity in envioronmental monitoring become true.
在分析JJY模式授时信号的基础上,应用ATmega48单片机实现电子授时信号自动校对时钟的功能,配合凌阳单片机SPCE061A的人机交互功能的使用,在环境监测中实现标准时间、温度及湿度的语音识别、播报。
3.
The paper introduced a Voice-remoted mobile robot,by use of voice recognition,serial communication,net communication and motion control of mobile robot.
介绍了通过对语音识别、串口通信、网络通信与移动机器人运动控制的综合运用,成功实现了语音遥控移动机器人的系统。
4) voice identification
语音识别
1.
The Design and Implement of Voice Identification in DRS2000 Radar Simulation System;
语音识别功能在DRS2000雷达模拟机系统中的设计与实现
2.
A dynamic station display system for metro vehicles is presented, w hich is based on the expert voice identification chip,HM2007.
介绍一种基于专用语音识别芯片HM2007的地铁车辆乘车站名动态显示系统,在车辆不作任何改动的基础上实现语音报站与显示的同步。
5) ASR
语音识别
1.
Experiments are carried out to study how SGMDI method improves Automatic Speech Recognition (ASR) system s robustness against additive noise.
本文提出了基于单高斯模型集的汉语美子带特征重建 (SGMDI)方法 ,并通过试验研究了该算法对提高语音识别系统加性噪声鲁棒性的作用 。
2.
Auto Speech Recgnition System (ASRS) s utility research has been a leading direction in the research of speech recognition for 10 years.
自动语音识别系统(简称ASRS)的实用化研究是近十年语音识别研究的一个主要方向,目前在嵌入式系统中的应用主要为语音命令控制,它使得原本需要手工操作的工作用语音就可以方便地完成。
3.
This paper adopts a function of Natural Language Processing (NLP) which based on Comprehensive Information (CI) to analyze the text after Automatic Speech Recognition (ASR) for error detection and correction, in order to improve the accuracy and of recognition.
本文采用了全信息自然语言理解的方法论对人机对话系统语音识别结果进行处理,发现并纠正其中的错误,从而提高识别的正确率和可读性。
6) Phonetic Identification
语音识别
1.
We explored the effect of the encoding ways and the visibility of phonemes on the hearing-normal university students in their phonetic identification, and yielded the following results in the experiment: The interaction of the encoding ways and the visibility of phonemes were found to be significant in correctness, and response time.
本研究探讨了编码方式和音素可见性对正常大学生唇读语音识别的影响。
2.
Our exploration of the hearing aid effect and the viseme effect on the deaf in lipreading phonetic identification obtained the following results: The interaction of the degree of hearing aid and the difference of phonemes is significant in correctness,but not in response time.
本研究探讨了听觉障碍学生唇读语音识别中助听器和音素可见性的影响。
3.
In order to explore the familiarity effect and the viseme effect of the deaf in lip-reading phonetic identification,a 2×3 two-factor in-subjects experimental design was adopted.
本研究采用2×3两因素被试内实验设计探讨了聋生唇读语音识别中熟悉效应和音素可见性的影响。
补充资料：语音识别
用模式识别方法提取语音信号特征并加以分类的技术。比语音识别更进一步的技术是语音理解，它在语音识别的基础上还应用语音学、句法和语义等有关知识,是人工智能的研究领域。语音识别按复杂程度的不同可分为孤立单词（或单字）识别和连续语音识别。有时把说话者识别也归入语音识别的范围。
现代语音识别的主要过程是：语音信号经传声器转换为电信号，经过取样和量化转换为数字信号，输入计算机中进行识别。计算机识别过程包括特征抽取和分类判别。
数字语音信号数据量大，不利于直接进行分类判别，需要先提取有代表性的主要特征。常用的有两种方法。①线性预测系数法：取样后的语音信号是一个时间序列，可以用一定阶次的参数模型来表示，常用的是自回归模型,并用这一模型的系数组成特征向量。②功率谱法:用一组不同通带的滤波器抽取一些频段的功率谱值，作为特征量。
分类判别主要采用模板匹配法，即在计算机中存入一组已知类别的标准语音的特征向量，称为样板。未知语音输入经特征抽取后，求它同各样板间的距离。同未知语音距离最小的样板所对应的类别就是识别结果。
句法模式识别方法（见结构模式识别）也可用于语音识别，特别是连续语音的识别和分析。这样就可用形式语言的理论来分析单词或句子的结构关系。
语音识别系统的性能指标主要有四项。①词汇表范围：这是指机器能识别的单词或词组的范围，如不作任何限制，则可认为词汇表范围是无限的。②说话人限制：是仅能识别指定发话者的语音，还是对任何发话人的语音都能识别。③训练要求：使用前要不要训练，即是否让机器先"听"一下给定的语音，以及训练次数的多少。④正确识别率：平均正确识别的百分数，它与前面三个指标有关。
不同人讲同一词或单字时，或同一人在不同条件下讲同一词或单字时，语音信号有很大差异，而某些不同的字或词的语音信号又很相似，因而机器很难像人一样对不同词有很高的分辨能力。此外，连续语音的字与字之间存在混叠，字在不同位置又有音调的变化，一个字或词的起点和终点也很难分清，这都给语音识别带来困难。
语音识别的应用很广泛，如音控自动电话、产品检验、邮件自动分类、语音数控机床、自动排版、说话者识别、仓库货场登记、语音打字、飞行管理、航天员演习、办公室自动化和家务机器人等。
现代语音识别的主要过程是：语音信号经传声器转换为电信号，经过取样和量化转换为数字信号，输入计算机中进行识别。计算机识别过程包括特征抽取和分类判别。
数字语音信号数据量大，不利于直接进行分类判别，需要先提取有代表性的主要特征。常用的有两种方法。①线性预测系数法：取样后的语音信号是一个时间序列，可以用一定阶次的参数模型来表示，常用的是自回归模型,并用这一模型的系数组成特征向量。②功率谱法:用一组不同通带的滤波器抽取一些频段的功率谱值，作为特征量。
分类判别主要采用模板匹配法，即在计算机中存入一组已知类别的标准语音的特征向量，称为样板。未知语音输入经特征抽取后，求它同各样板间的距离。同未知语音距离最小的样板所对应的类别就是识别结果。
句法模式识别方法（见结构模式识别）也可用于语音识别，特别是连续语音的识别和分析。这样就可用形式语言的理论来分析单词或句子的结构关系。
语音识别系统的性能指标主要有四项。①词汇表范围：这是指机器能识别的单词或词组的范围，如不作任何限制，则可认为词汇表范围是无限的。②说话人限制：是仅能识别指定发话者的语音，还是对任何发话人的语音都能识别。③训练要求：使用前要不要训练，即是否让机器先"听"一下给定的语音，以及训练次数的多少。④正确识别率：平均正确识别的百分数，它与前面三个指标有关。
不同人讲同一词或单字时，或同一人在不同条件下讲同一词或单字时，语音信号有很大差异，而某些不同的字或词的语音信号又很相似，因而机器很难像人一样对不同词有很高的分辨能力。此外，连续语音的字与字之间存在混叠，字在不同位置又有音调的变化，一个字或词的起点和终点也很难分清，这都给语音识别带来困难。
语音识别的应用很广泛，如音控自动电话、产品检验、邮件自动分类、语音数控机床、自动排版、说话者识别、仓库货场登记、语音打字、飞行管理、航天员演习、办公室自动化和家务机器人等。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条