智能聲控小車畢業(yè)設(shè)計開題報告-預(yù)覽頁
【正文】 意義機器人的應(yīng)用越來越廣泛，幾乎滲透到所有領(lǐng)域。當它接到再現(xiàn)命令時，則自主地再現(xiàn)示教的動作。智能機器人是“具有感知、思維和動作的機器”。應(yīng)此為了使智能小車工作在最佳狀態(tài)，進一步研究及完善其速度和方向的控制是非常有必要的。當時由于計算機技術(shù)的限制，只能用專用硬件進行譜分析再由計算機識別。人們把用于解決有序的優(yōu)化問題的動態(tài)規(guī)劃 (Dynamic Programming) 技術(shù)應(yīng)用到語音識別中，由Sakoe(1972 ) 提出的動態(tài)時間彎曲DTW (Dynamic Time Warping) 算法有效地解決了語音兩次發(fā)音間的時間變形問題。矢量量化的作用是進行數(shù)據(jù)壓縮，將連續(xù)的語音特征空間量化為一些離散點，降低系統(tǒng)在時間及存儲上的開銷。1990年Nagata 和Kogure 介紹了 SLTRANS 系統(tǒng)，SLTRANS 由六部分組成。 ATR將神經(jīng)元網(wǎng)絡(luò)用于語音識別，1988年Waiter 用時延神經(jīng)網(wǎng)絡(luò) TDNN 解決了難于區(qū)分的“B ”，“D ”和“G ”的問題。NTT 使用HMM 方法，用三元音節(jié)作為語音基元研制出語音聽寫機，對特定人的279 % 。另外，Matsushita研制出 15個詞組成的非特定人孤立詞識別的商業(yè)用接插板，并己經(jīng)用于VCR，視頻通信系統(tǒng)。實驗室的信息處理分部，將DP(Dynamic programming) 方法用于100, 000 字的字典( 大部分是名字) 的語音識別，由于詞匯量大，計算時間極長，通過預(yù)處理完成快速選擇。在字的結(jié)構(gòu)中使用了音韻規(guī)則，使用混合的 HMM方法(The tied mixture HMMs) 銳化訓練數(shù)據(jù)的音素，并能很好地將男人和女人說話者分成二組模板，所需的訓練時間大約為 23 小時，混合的 HMM 能根據(jù)每個說話人的特點來修改參數(shù)。CMU ( Carnegie Mellon University) 計算機學院是語音識別研究的先驅(qū)，從七十年代就開始了語音識別的研究。當大部分系統(tǒng)均限定在小詞匯量時，Wa i b e l 于1972年研制出利用統(tǒng)計方法進行語音識別的工具和技術(shù)，主要研究超大詞匯的實時識別。1996年推出了用于Windows95 版。 在1988年MIT 的Lincoln實驗室完成了基于神經(jīng)元網(wǎng)絡(luò)的孤立字的識別，1991 年完成了基于HMM 的連續(xù)語音識別。系統(tǒng)分別使用了連續(xù)密度和離散密度的 HMM 模型，并通過對 1000詞意大利詞匯的識別比較了兩種模型的好壞，% % ，% 。三、畢業(yè)設(shè)計（論文）所采用的研究方法和手段：，收集資料；，合理設(shè)計、分析、計算；，模擬軟件proteus以及protel進行編程及實驗；，借助單片機及C語言編程等相關(guān)知識完成軟硬件設(shè)計；、分析、
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1