推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于区分性联合字典的语音识别及控制系统资料

更新时间:2020-07-06 13:19:16 大小:3M 上传用户:liqiang9090查看TA发布的资源 标签:语音识别 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

人工智能在当今社会炙手可热,语音识别技术凭借着与人工智能的紧密联系,
研究热度也一直处于上升状态。语音识别技术的使用便捷,用户接受程度高和声音
输入设备造价低廉等优点使其可以在多方面推广应用。但是传统的语音识别算法抗
噪能力差,识别精度低,不能胜任实际场景中的应用。为了顺应现代化发展趋势以
及保证语音识别的准确率,本文首先根据非负限制的 K-SVD 算法提出了双重稀疏
K-SVD 算法,该算法有着更为优越的收敛性,而且它的相对误差也小于 K-SVD 算法。
运用双重稀疏 K-SVD 算法对字典进行稀疏表示,可以让字典获得更加理想的自适应
能力,同时提升计算速度,有助于稀疏表示更大规模的信号。传统联合字典尽管能
够获得纯净语音和噪声样本中的信号分布特征和规律,但却忽略了纯净语音字典与
噪声字典之间存在相关性原子,导致了稀疏重构阶段源混淆现象的发生。所以本文
又提出了基于区分性联合字典学习的语音降噪算法,该算法通过在字典间加入字典
区分约束项,增强了字典的区分能力,使每个信号都能够在联合字典中对应的子字
典上稀疏表示,抑制其在非对应子字典上的稀疏表示。同时将双重稀疏 K-SVD 算法
应用于其中,既避免了字典间存在相关性原子,又提高了算法的自适应性。通过实
验分析证明了区分性联合字典的有效性,并且该算法在较高噪声的干扰下仍具有很
强的降噪能力。最后,针对实际应用场景,对嵌入式语音识别系统进行了硬件设计,
传统 LD3320 语音识别芯片与 51 单片机的结合方式限制了识别指令的条数且识别成
功率不高,因此选用 V290pub 语音识别模块结合 STM32 单片机予以替代,通过识别
成功率实验验证了硬件设计的可行性,通过示波器对语音信号的波形分析得出了本
文所提算法与嵌入式平台设计的结合具备良好的语音降噪能力。

部分文件列表

文件名文件大小修改时间
基于区分性联合字典的语音识别及控制系统_姜峰.caj3156KB2020-07-06 11:50:52

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载