【摘要】:让机器听懂人类的语言仍然是好多研究者的心愿。随着语音讯号处理技术的不断进步和集成电路技术的发展,早已可以让机器听懂人的语言并作出动作。目前,语音辨识技术正逐步市场化,越来越多的人开始注意到语音在设备控制领域的独到优势。过去语音辨识系统主要运行在PC和专用服务器上陈立伟零基础学嵌入式linux c编程,因为这种设备不易携带以及成本等诱因,将语音辨识系统移植到更轻便的嵌入式系统中是很有必要的,本文基于这样的背景,举办了面向车辆控制的嵌入式语音辨识系统研究。本项设计在详尽了解和研究国外外关于语音辨识的研究现况基础上,针对车辆电子控制领域的需求陈立伟零基础学嵌入式linux c编程,提出嵌入式语音辨识系统的目标与任务,包括硬件系统搭建、语音辨识算法仿真和软件系统搭建。硬件系统以ARM微处理器为核心64位linux,处理器外围包含语音讯号采集、数据储存、结果显示等模块。这种模块相互联系,组成了一个才能支撑整个语音辨识流程的硬件系统。算法方面首先阐明了在PC上和在嵌入式设备中实现语音辨识算法的联系与区别,说明了在PC上对语音辨识算法进行仿真的必要性,并使用Matlab工具对语音讯号预处理、端点测量及特点提取算法进行仿真。在特点提取方面,比较了线性预测系数(LPC)和美尔倒谱系数(MFCC)的好坏,选择辨识成功率更高的MFCC作为语音辨识特点参数。在辨识算法方面,针对语音辨识中语音讯号的特点矢量不对齐问题linux 常用命令,验证动态时间规划(DTW)算法的疗效。对隐马尔可夫模型(HMM)训练和辨识算法进行仿真,提出了一种解决孤立词语音辨识中的拒绝辨识问题的方案。最后通过比较上述两种辨识算法的好坏,在PC上验证孤立词语音辨识系统方案的可行性,确定选择基于HMM的孤立词语音辨识作为最终方案。将语音辨识算法移植到嵌入式系统中,实现对车辆灯光的语音控制,并测试了辨识成功率和干扰词的拒绝辨识率。测试结果表明,当人与耳机的距离在1米以内时,系统对孤立词的辨识成功率接近90%,拒绝辨识率超过70%。