基于HMM的连续小词量语音识别系统的研究

如果P(O／λZ)和距离太大，则返回步骤(2)，反复迭代运算，直到HMM模型参数不再发生明显的变化为止。
2．2 HMM模型识别
HMM模型的输出概率用Viterbi算法计算，因为概率值一般都远小于1，这里用取对数后的概率作为输出值：

以上式中δt(i)表示t时刻第i个状态的累积输出概率；φt(i)表示t时刻第i个状态的前续状态号；为最优状态序列中t时刻所处的状态；P*为最终的输出概率。

3 实验结果
系统首先通过语音录入模块的麦克风将语音信号输入UDA1341 TS数字音频处理芯片，通过S3C2410向UDA1341数字音频处理芯片发送指令，数字音频处理芯片由内部A／D对语音信号进行采样，调用语音压缩算法对语音信号进行压缩，并调用语音识别函数API对输入语音进行基于模式匹配算法的语音识别，最终UDA1341数字音频处理芯片将识别结果通过I／O传送到ARM S3C2410，S3C2410接收到识别结果后大电流电感，根据不同的识别结果再向UDA1341 TS发送不同指令，以此实现语音识别系统的功能。
系统采用三星的S3C2410作为嵌入式CPU，这是一款高性价比、低功耗、高性能、高集成度的CPU，基于ARM9核，主频为203 MHz，专为网络通信和手持设备而设计，能满足语音识别系统中的低成本、低功耗、高性能、小体积的要求。
实验采用10字中文数码，分别在室外环境和实验室环境下测试，结果如表1所示。

通过测试表明，在实验室环境下该系统在UDA1314TS DSP芯片上得到的结果比较令人满意，具有良好的鲁棒性，识别率达到实用要求，但在室外较高噪音条件下的识别率相对实验室环境下有一定差距，满足语音识别基本要求。

4 结论
功率电感 本文系统采用隐马尔可夫模型的语音识别算法，能够对小词量、连续语音进行识别，识别率较高。ARMS3C2410微处理器和UDA1314TS音频处理芯片的结合应用，能使本语音识别系统具有较强的实绕线电感时性。体积小，携带方便，使用灵活，可移植性强的特点使系统在进一步改进和发展后能够用于工业电感生产厂家语音控制领域中，还可用于声控玩具、声控设备等人们的日常生活中。
但由于技术水平和硬件环境的限制，该语音识别系统在算法、硬件方面都需要进一步的研究和完善。该嵌入式语音识别系统的研究为进一塑封电感步开发和研究实用性嵌入式语音识别系统做出了重要的尝试和探索工作。

2．4 输出电流开关电路 通过成形电路的信号，控制大功率蓝光LED发光，驱动信号控制电流开关。电流开关选用一种大功率高频三极管，为了满足LED驱动电流的需求，将4只三极管并联，使流过LED的脉冲电流

摘要：二次系统控制器是保障静止无功功率发生器(SVG)工作性能的关键因素。设计了一种以TMS320F28335为核心的SVG二次系统控制器，一体成型电感介绍了其控制原理，并给出了满足系

随着叠层片式电感器生产厂家的不断增多，同行间的竞争日趋激烈。降低成本、提高性能是企业提高竞争力的有效手段。产品的合格率和命中率是影响成本的关键因素，因而提高叠层片式

 2/2   首页 上一页 1 2