【正文】 以了。 API函數(shù)的介紹SPCE061A 實現(xiàn)語音識別的步驟，分為訓(xùn)練部分與識別部分，以及在訓(xùn)練、識別過程中中斷的情況?！緟?shù)】CommandID：命令序號，范圍從0x100到0x105,并且對于每組訓(xùn)練語句都是唯一的。【API格式】C：int BSR_GetResult(Void)【功能說明】辨識中獲取數(shù)據(jù)。中斷過程：【API格式】ASM：_BSR_FIQ_Routine【功能說明】在中斷中調(diào)用。BSR_ExportSDWord(int CommandID)使用函數(shù)庫時，會自動創(chuàng)建一個100Word的數(shù)組BSR_SDModel[100]，可以把某條訓(xùn)練命令的特征模型數(shù)據(jù)導(dǎo)出到這個數(shù)組中。當(dāng)一條指令被正確識別時會提示進(jìn)入下一條；如沒有被識別會要求重復(fù)該指令，直到正確識別為止。模式匹配，把輸入語音的特征參數(shù)與語音模型庫進(jìn)行比較分析，得到識別結(jié)果。s ViaVoice，for example，show a baseline recognition accuracy of only 60% to 80%，depending upon accent，background noise，type of utterance，etc．(Ehsani amp。隨著語音識別的深度研究，研究者發(fā)現(xiàn)，語音信號是一個復(fù)雜的非線性過程，如果語音識別研究想要獲得突破，那么就必須引進(jìn)非線性系統(tǒng)理論方法。語音識別包括訓(xùn)練和識別，我們可以把它看做一種模式化的識別任務(wù)。這兩種方法都是基于一種假設(shè)的線形程序，該假設(shè)認(rèn)為說話者所擁有的語音特性是由于聲道共振造成的。4．自動語音識別的結(jié)構(gòu)和特征自動語音識別是一項尖端技術(shù)，它允許一臺計算機(jī)，甚至是一臺手持掌上電腦（邁爾斯，2000）來識別那些需要朗讀或者任何錄音設(shè)備發(fā)音的詞匯。在自動語音識別產(chǎn)品中的幾種語音識別方式中，隱馬爾可夫模型（HMM）被認(rèn)為是最主要的算法，并且被證明在處理大詞匯語音時是最高效的(Ehsani amp。雖然語音識別已被普遍用于商業(yè)聽寫和獲取特殊需要等目的，近年來，語言學(xué)習(xí)的市場占有率急劇增加(Aist，1999；Eskenazi，1999；Hinks，2003)。u 學(xué)習(xí)者發(fā)音的準(zhǔn)確度通常以數(shù)字7來度量（越高越好）u 那些發(fā)音失真的詞語會被識別出來并被明顯地標(biāo)注致　謝大學(xué)四年所收獲的不僅僅是愈加豐厚的知識，更重要的是在閱讀、實踐中所培養(yǎng)的思維方式、表達(dá)能力和廣闊視野。在此，我還要感謝在一起愉快的度過大學(xué)四年的同學(xué)。在未來的日子里，我會更加努力的學(xué)習(xí)和工作，不辜負(fù)父母對我的殷殷期望！我一定會好好孝敬和報答他們！在論文即將完成之際，我的心情無法平靜，從開始進(jìn)入課題到論文的順利完成，有多少可敬的師長、同學(xué)、朋友給了我無言的幫助，在這里請接受我誠摯的謝意！31。鄭老師不僅在學(xué)業(yè)上給我以精心指導(dǎo)，同時還在思想、生活上給我以無微不至的關(guān)懷，在此謹(jǐn)向鄭老師致以誠摯的謝意和崇高的敬意。特別是內(nèi)里，（2002年）評論例如Talk to Me和Tell Me More等作品中的波形圖，因為他們期待浮華的買家，而不會提供有意義的反饋給用戶。也就是說，一臺基于隱馬爾可夫模型的語音識別器可以計算輸入一個發(fā)音的音素可以和一個基于概率論相應(yīng)的模型達(dá)到的達(dá)到的接近度。更多的能超越以上兩個的昂貴的系統(tǒng)有Subarashii (Bernstein，et al．，1999)，EduSpeak (Franco，etal．，2001)，Phonepass (Hinks，2001)，ISLE Project (Menzel，et al．，2001) and RAD (CSLU，2003)。由于人工神經(jīng)網(wǎng)絡(luò)的輸入碼的數(shù)量是固定的，因此，現(xiàn)在是進(jìn)行正規(guī)化的特征參數(shù)輸入到前神經(jīng)網(wǎng)絡(luò)[9]，在我們的實驗中，LPCC和每個樣本的分形維數(shù)需要分別地通過時間規(guī)整化的網(wǎng)絡(luò)，LPCC是一個4幀數(shù)據(jù)（LPCC1,LPCC2,LPCC3,LPCC4，每個參數(shù)都是14維的），分形維數(shù)被模范化為12維數(shù)據(jù)，（FD1,FD2,…FD12，每一個參數(shù)都是一維），以便于每個樣本的特征向量有4*14+12*1=68D維，該命令就是前56個維數(shù)是LPCC，剩下的12個維數(shù)是分形維數(shù)。3．理論與方法從語音信號中進(jìn)行獨立揚聲器的特征提取是語音識別系統(tǒng)中的一個基本問題。一般地，由于用戶不需要操作訓(xùn)練，獨立發(fā)聲式系統(tǒng)得到了更廣泛的應(yīng)用。 pronunciation accuracy is scored on a scale of seven (the higher the better)．u Words whose pronunciation fails to be recognized are highlighted．改進(jìn)型智能機(jī)器人的語音識別方法語音識別概述最近，由于其重大的理論意義和實用價值，語音識別已經(jīng)受到越來越多的關(guān)注。19瓊州學(xué)院本科畢業(yè)論文 (設(shè)計)參考文獻(xiàn)[1][M].北京：北京航空航天大學(xué)出版社，2003[2]李玉賢．基于SPCE061A單片機(jī)的語音識別系統(tǒng)的研究[M]，2004[3]李麟．家用機(jī)器人語音識別及人機(jī)交互系統(tǒng)的研究[M]，2007 [4][M]，2007[5]王雪松，田西蘭，[N].儀器儀學(xué)報,2006,6[6][Z].北京：北京航空航天大學(xué)出版社，2005[7][Z].北京：北京航空航天大學(xué)出版社，2005[8][Z].北京：北京航空航天大學(xué)出版社，2005[9]趙定遠(yuǎn),[M].北京：中國水利出版社，2006[10]李曉靜,羅永革,[J].湖北汽車工業(yè)學(xué)院學(xué)報，2007[11]王慧,王超陳,[M].世界科技研究與發(fā)展，2009[12][J].電子世界，1997[13][J].電子世界，2004[14]黃淞,蔣雪峰,[J].應(yīng)用科技，2002[15]Zili Zhou Chris of ConfigurationDependent Flexible Joints for a Parallel Robot. Advances in Mechanical Engineering，2009 [16]羅志增，[J]杭州電子T業(yè)學(xué)院學(xué)報，2004[17]ZbanciocM, neural networks and LPCC to improve speech recognition singals[J].Proceedings of the International symposium on ciucuits and Systems,2003[18]SU JAY Phadke,RH ISH I KESH Limaye,SIDDHARTH Verma, On Design and Implementation of an Embedded Autom　atic Speech Recognition System[C]//Proceedings of the 17th International Conference on VLSI Design,Washington,DC,USA:IEEE Computer Society,2004: 127132.[19]BANBROOK M，MCLAUGHLINS ，MANN I Speech Characterization and Synthesis by Nonlinear Methods[J].IEEE Speech and Audio Proc,1999,7(1): 117.附表A 程序流程圖開始初始化IOB口語音訓(xùn)練與存儲置相關(guān)標(biāo)志位語音識別初始化擦除指定的FLASH判斷是否為第一次下載 是否為觸發(fā)狀態(tài)是否為觸發(fā)名稱判斷是第幾組命令設(shè)置觸發(fā)判斷是第幾條命令判斷是第幾條命令判斷是第幾條命令播放應(yīng)答導(dǎo)出第二組命令導(dǎo)出第三組命令跳舞再來一曲播放應(yīng)答向前走向后走左轉(zhuǎn)右轉(zhuǎn)播放應(yīng)答向左瞄準(zhǔn)向右瞄準(zhǔn)發(fā)射連續(xù)發(fā)射訓(xùn)練是否超時Key3鍵是否按下消除觸發(fā)標(biāo)志擦除FLASH標(biāo)志NYNYYNNNYY第一組命令第二組命令第三組命令附錄B　Improved speech recognition methodfor intelligent robot２．Overview of speech recognitionSpeech recognition has received more and more attention recently due to the important theoretical meaning and practical value [5]．Up to now,most speech recognition is based on conventional linear system theory,such as Hidden Markov Model (HMM) and Dynamic Time Warping(DTW)With the deep study of speech recognition，it is found that speech signal is a plex nonlinear process．If the study of speech recognition wants to break through,nonlinearsystem theory method must be introduced to it．Recently，with the developmentof nonlineasystem theories such as artificial neural networks(ANN),chaos and fractal，it is possible to apply these theories to speech recognition．Therefore，the study of this paper is based on ANN and chaos and fractal theories are introduced to process speech recognition．Speech recognition is divided into two ways that are speaker dependent and speaker independent．Speaker dependent refers to the pronunciation model trained by a single person，the identification rate of the training person?sorders is high,while others’orders is in low identification rate or can’t be recognized．Speaker independent refers to the pronunciation model trained by persons of different age，sex and region，it can identify a group of persons’orders．Generally，speaker independent system ismorewidely used，since the user is not required to conduct the training．So extraction of speaker independent features from the speech s