基于DTW的语音识别应用系统研究与实现 (2002年)

这篇文章研究了基于DTW（动态时间规整）算法的语音识别应用系统，并针对该算法进行了研究和改进。DTW算法是一种用于语音识别中处理时间序列信号的方法，尤其在小词汇表的孤立词识别系统中表现出其简单且有效的特点。下面详细阐述文章中提到的关键知识点。 1. DTW算法的应用场景和局限性 DTW算法在处理小词汇量的孤立词识别时效果良好，但在大词汇量、连续语音、非特定人语音识别问题上，与隐马尔可夫模型（HMM）相比存在不足。DTW算法的一个主要缺点是对端点检测的精度非常敏感，同时在噪声环境下识别性能下降。 2. 端点检测算法的改进 文章针对DTW算法中端点检测精度敏感的问题，提出了改进方法。作者研究了短时窗函数和窗长对端点检测的影响，并提出了一种可变窗长策略，用以提高端点检测的准确性。此外，研究者通过考虑当前帧与前一帧的过零率和能量值的差，改进了端点检测对背景噪声的抗噪性。 3. DTW算法抗噪性的增强 为了解决室外环境下计算机工作时噪声对端点检测的影响，文章提出了一种能够适应环境变化，减少端点检测误差的方法。在识别准确率下降的情况下，采用了当前帧与前一帧的过零率和能量值的差值作为检测端点的标准，以改善噪声影响下的端点检测性能。 4. 孤立词算法的改造 文章针对DTW算法在处理语音均匀度变化剧烈时的问题进行了改进。提出了放宽局部路径限制的方法，通过增加匹配的跳变间隔来减少计算量，并增强了对变化剧烈的语音信号的适应性。 5. DTW算法效率的改进 在提高DTW算法效率方面，文章提出了一种全局路径限制的方法，以减少畸形匹配并大幅降低运算量。通过减少与模板库中每个模板匹配的次数，来提升算法效率。这些改进对于在资源受限的系统中部署DTW算法尤为重要。 6. 语音识别系统的设计与实现 文章阐述了语音识别系统的设计与实现，分为两个步骤。在PC机上实现了支持实时语音输入的语音计算器以模拟特定环境，如税务机的语音输入场景。然后，设计了以MCS-51单片机为核心硬件的语音识别接口，并将程序代码移植到MCS-51单片机系统上，从而实现了税务机的语音输入部分。 文章通过研究DTW算法及其端点检测的改进、抗噪性增强和算法效率的提升，实现了一个针对特定人孤立词、连接词的语音识别系统。研究者对DTW算法进行了深入分析并提出具体的改进措施，使得该算法能适用于特定的场合和环境，尤其在计算资源有限的应用中显示出了其优势。通过将改进后的DTW算法应用于税收机的语音输入系统，文章证明了算法改进的实用价值和有效性。