(3.236.175.108) 您好!臺灣時間:2021/02/28 03:42
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:梅立揚
研究生(外文):MEI,LI-YANG
論文名稱:非特定語者之語音辨識--離散隱藏式馬可夫模式之研究
論文名稱(外文):Speaker independent speech recognition system:a research on discrete hidden markov models
指導教授:徐佳銘徐佳銘引用關係
指導教授(外文):XU,JIA-MING
學位類別:碩士
校院名稱:逢甲大學
系所名稱:自動控制工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1991
畢業學年度:78
語文別:中文
論文頁數:89
中文關鍵詞:語音辨識離散隱藏式馬可夫模式向量量化通用碼本機率統計動態時間扭曲法
相關次數:
  • 被引用被引用:0
  • 點閱點閱:130
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
離散隱藏式馬可夫模式必須先以向量量化作前置處理,向量量化是利用集群的技術來
對語音資料作分群的工作,再建立出各群的長,通常是利用此法建立出一個“通用碼
本”。
在本文中提出一種新的方法。用以提高語音辨識率。此種方法介於通用碼本與單語碼
本之間,本文稱之為“半通用碼本”,本方法是先將辨識的單語分成數組,各組各自
建立自己的通用碼本,然后再分別加以訓練。
隱藏式馬可夫模式是屬於機率統計的方法,其辨識法則是采用維持比演算法求出最佳
之機率路徑。故與習知之動態時間扭曲法有祑曲同功之效。但其具有較少記憶空間以
及較少運算量的優點。
本文所提出的“半通用碼本”,有下列之特點:
(1) 由於先經過分組以后,再建立各組的碼本,所以可以達到更高的辨識率。
(2) 因為是分組訓練,所以在增加辨識的字匯的時候,無需像傳統的方式,必須重頭
開始訓練。
雖然如此一來會增加一些記憶空間,以及訓練時間,可是這些影響都是很小的,吾人
可以忽略。
在本文中所建立在30個單語的資料庫,對非特定語者之語音辨識。若采用“通用碼本
”的型式,其教導語句為97.23%的辨識率,測試語句則為94.32%,經本文所提出之“
半通用碼本”改善后,其教導語句可達98.91%的辨識率,測試語句亦可高達97.02%,
實驗證實,在辨識率上可提高196∼396。

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔