1、 毕业设计 (论文 )期中报告 (理工类 ) 毕业设计 (论文 )题目： 自动语音门禁系统的仿真实现 课题来源 教师自拟课题 课题性质 开发设计 根据上学期完成的 毕业设计选题、开题报告、文献综述和外文翻译 等一些前期 工作， 本学期开始了代码编写，开发之前首先配置了系统的开发环境： MATLAB。 MATLAB 除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。 Matlab 是一种解释性执行语言，具有强大的计算、仿真、绘图等功能，而且使用简单，扩充方便，同时因为 有丰富的函数库（工具箱）所以计算的功能实现也很简单。 Matlab 和其他高级
2、语言也具有良好的接口，可以方便的实现与其他语言的混合编程。 语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。此外，还涉及到语音识别单元的选取。选择识别单元是语音识别研究的第一步。语音识别单元有单词（句）、音节和音素三种，具体选择哪一种，由具体的研究任务决定。 单词（句）单元广泛应用于中小词汇语音识别系统，但不适合大词汇系统，原因在于模型库太庞大，训练模型任务繁重，模型匹配算法复杂，难以满足实时性要求。 音节单元多 见于汉语语音识别，主要因为汉语是单音节结构的语言，而英语是多音节，并且汉语虽然有大约 1 300 个音节，但若不考虑声调，约有 408 个无调音节，数量相对较少
3、。因此，对于中、大词汇量汉语语音识别系统来说，以音节为识别单元基本是可行的。 音素单元以前多见于英语语音识别的研究中，但目前中、大词汇量汉语语音识别系统也在越来越多地采用。原因在于汉语音节仅由声母（包括零声母有 22 个）和韵母（共有 28 个 ）构成，且声韵母声学特性相差很大。实际应用中常把声母依后续韵母的不同而构成细化声母，这样虽然增加了模型数目，但提高了易混淆音 节的区分能力。由于协同发音的影响，音素单元不稳定，所以如何获得稳定的音素单元，还有待研究。 前期所做的工作为设计 语音识别系统的 框架 ，完成本设计的图形用户界面以及语音识别单元的选取，并且完成一部分代码的编写。 特征提取 模式
4、匹配 模型库 语音输入 识别结果 语音识别流程图 语音识别的方案 为： 输入的模拟语音信号首先要经过预处理，包括预滤波，采样和量化，加窗，端点检测，预加重等。语音信号经预处理后，接下来重要的一环就是特征参数提取。 语音信号中含有丰富的信息，如何从中提取出对语音识别有用的信息 是语音识别的关键。 特征提取就是完成这项工作，它对语音信号进行分析处理，去除对语音识别无关紧要的冗余信息，获得影响语音识别的重要信息。对于非特定人语音识别来讲，希望特征参数尽可能多的反映语义信息，尽量减少说话人的个人信息 线性预测（ LP）分析技术是目前应用广泛的特征参数提取技术，许多成功的应用系统都采用基于 LP 技术提
5、取的倒谱参数。但线性预测模型是纯数学模型，没有考虑人类听觉系统对语音的处理特点。 Mel 参数和基于感知线性预测（ PLP）分析提取的感知线性预测倒谱，在一定程度上模拟了人耳对语音的处理特点，应用了人耳听觉感知方面的一 些研究成果。实验证明，采用这种技术，语音识别系统的性能有一定提高。 对特征参数的要求是： 1) 提取的特征参数能有效的代表语音特征，具有很好的区分性。 2) 各阶参数之间有良好的独立性。 3) 特征参数要计算方便，具有高效的计算方法，以保证语音识别的实时实现 。 将特征参数进行一定的处理后，为每个词条得到一个模型，保存为模板库。在识别阶段，语音信号经过相同的通道得到语音参数，生成测试模板，与参考模板进行匹配，将匹配分数最高的参考模板 作 为识别结果。同时还可以在很多先验知识的帮助下，提高识别的准确率。 指导教师意见： 指导教师签字： 年 月 日 教研室主任意见： 教研室主任签字： 年 月 日
