【正文】 同時還感謝四年來幫助和教育過我的孫志雄老師、韓建文老師、雷紅老師、石煥玉老師、鄭澤龍老師、于洪老師、林雄老師、張福金老師、黃飛老師……一路走來，從你們的身上我收獲無數(shù)，卻無以回報，謹此一并表達我的謝意。高性能就意味著優(yōu)良的發(fā)音，低性能就意味著劣質(zhì)的發(fā)音(Larocca，et al．，1991)。因而，這樣的一個特征向量可以表征語音信號的線形和非線性特征。 所以，在獨立發(fā)聲式系統(tǒng)中，從語音信號中提取語音特征是語音識別系統(tǒng)的一個基本問題。s Naturally Speaking or IBM39。每條指令要訓練兩遍?！緜渥ⅰ吭摵瘮?shù)是用于停止識別，當調(diào)用此函數(shù)時，F(xiàn)IQ_TMA中斷將關(guān)閉。 訓練過程【API格式】C：int BSR_Train(int CommandID,int TraindMode)【功能說明】訓練函數(shù)。. 走路、跳舞等其它函數(shù)模塊這些函數(shù)就是控制電機的通與斷的組合完成不用的動作，在需要的時候播放語音，實現(xiàn)一定的效果，具體請參考函數(shù)原形。其中標號的意義為：M表示Motor，電機的意思，L表示Left，左邊，M_L1合起來就是左腿電機的意思，同理M_L2是另一條左腿電機連線。nSP的DSP運算功能配合使用，就可方便地實現(xiàn)語音識別功能，從而使其能更好地用于聲控和語音識別領(lǐng)域。推進電機的任務(wù)就是把發(fā)射所需要的飛盤從存儲倉輸送到發(fā)射轉(zhuǎn)盤位置。目前，語音識別技術(shù)己經(jīng)在諸多領(lǐng)域得到應(yīng)用。學?？梢怨颊撐模ㄔO(shè)計）的全部或部分內(nèi)容。當今，機器人的發(fā)展越來越趨于智能化和人性化，語音是人和機器人之間交流的最自然、最方便的手段之一。在這種趨勢的引領(lǐng)下，各國紛紛加大語音機器人的研發(fā)力度，并出現(xiàn)了一批高智能的語音機器人。61 板作為整個系統(tǒng)的主控板，驅(qū)動電路驅(qū)動電機在主控板61 板的控制下完成各個動作。 機器人線路的辨認 需要改裝的控制線共有14條，10根電機連線、2根眼睛連線、2根喇叭連線。下面列出標號意義，按照從左向右的順序：EYE_N——眼睛接口，接眼睛的負極連線（白色）；IOB12——眼睛接口，接眼睛的正極連線（土黃色）；M_F1——發(fā)射電機接口，接藍色連線；VCC——發(fā)射電機接口，接淡藍色連線；M_J1——加速電機接口，接綠色連線；VCC——加速電機接口，接黑色或棕色連線；M_T1——旋轉(zhuǎn)電機接口，接旋轉(zhuǎn)電機的一根連線；M_T2——旋轉(zhuǎn)電機接口，接旋轉(zhuǎn)電機的另一根連線；M_R1——右腿電機接口，接右腿電機的一根連線；M_R2——右腿電機接口，接右腿電機的另一根連線；M_L1——左腿電機接口，接左腿電機的一根連線；M_L2——左腿電機接口，接左腿電機的另一根連線。將語音資源分成小段，播放一點語音，執(zhí)行一點動作，然后再播放語音……?！緜渥ⅰ竣僭谡{(diào)用訓練程序之前，確保識別器正確的初始化；②訓練次數(shù)是2時，則兩次一定會有差異，所以一定要保證兩次訓練結(jié)果接近；③為了增強可靠性，最好訓練兩次，否則辨識的命令就會傾向于噪音；④調(diào)用函數(shù)后，等待1～2秒開始訓練，也就是說。 其它語音識別API介紹BSR_PauseRecognizer()暫停識別，但不釋放中斷等資源BSR_ResumeRecognizer()恢復(fù)被暫停的識別BSR_GetRecognizerScore()獲得識別結(jié)果的可信度，返回值從4096到4096，數(shù)值越大表示輸入語音與特征模型的匹配度越高。在不同組指令中交換需要根據(jù)出發(fā)名稱，所以在識別狀態(tài)，要執(zhí)行動作首先需要出發(fā)名稱，就是訓練的第一條命令，然后可以識別第一組的其余四條命令。 KewleyPort，1999)．These programs include Talk to Me (Auralog，1995)，the Tell Me More Series (Auralog，2000)，TriplePlay Plus (Mackey amp。經(jīng)過參數(shù)估計以后，這個已訓練模式就可以應(yīng)用到識別任務(wù)當中。s Naturally Speaking或者IBM公司，闡述了取決于口音，背景噪音，說話方式的基線識別的準確性僅僅為60%至80%(Ehsani amp。這些程序的大多數(shù)都不會提供任何反饋給超出簡單說明的發(fā)音準確率，這個基于最接近模式匹配說明是由用戶提出書面對話選擇的。只是今后大家就難得再相聚在一起，各奔前程，請大家珍重。在這里首先要感謝鄭心武老師。詳細說明隱馬爾可夫模型如何工作超出了本文的范圍，但可以在任何關(guān)于語言處理的文章中找到。然而，在語音信號中，這些非線形信息不容易被當前的特征提取邏輯方法所提取，所以我們使用分型維數(shù)來測量非線形語音擾動。因此，本文的研究是在神經(jīng)網(wǎng)絡(luò)和混沌與分形理論的基礎(chǔ)上介紹了語音識別的過程。最常見的語音合成技術(shù)是將文本轉(zhuǎn)換為語音（TTS）。unsigned int BSR_SDModel[]；配合BSR_ExportSDWord(int CommandID)與BSR_ImportSDWord(int CommandID)函數(shù)使用，此數(shù)組的作用相當于一個暫時的存儲區(qū)?！痉祷刂怠慨敓o命令識別出來時，返回0；識別器停止、未初始化或識別未激活返回－1；當識別不合格時返回－2；當識別出來時返回命令的序號。【參數(shù)】該參數(shù)是辨識的一個標識符，0代表選擇SRAM,并初始化。在進行語音識別時，首先讀取FLASH 將語音模型取得，然后調(diào)用BSR_ImportSDWord(uiCommandID)；函數(shù)將語音資源載入內(nèi)存。頭部加速電機：一般是黑色和綠色的連線，或棕色和綠色的連線。nSP (TM)為核心的SPCE061A 微控制器是適用于數(shù)字語音識別應(yīng)用領(lǐng)域產(chǎn)品的一種最經(jīng)濟的選擇。隨著語音識別技術(shù)與機器人技術(shù)的進一步結(jié)合，未來高智能的人機交流將不是夢想。經(jīng)過訓練，訓練人可使用各種命令讓機器人完成許多有趣的動作，使得人機交互更具智能化。2011年度本科生畢業(yè)論文（設(shè)計）基于SPCE061A單片機的機器人設(shè)計學 院： 電子信息工程學院　 專 業(yè)： 電子信息科學與技術(shù) 年 級： 2007級 學生姓名： 劉 轉(zhuǎn)　轉(zhuǎn) 　 學 號： 07406051005 導(dǎo)師及職稱： 鄭心武?。▽嶒瀻煟? 2011年1月2011 Annual Graduation Thesis (Project) of the College Undergraduate Microcontrollerbased robot design SPCE061ADepartment: College of Electronics and Information EngineeringMajor: Electronic Information Science and TechnologyGrade: 2007Student’s Name:Liu ZhuanzhuanStudent No.: 07406051005Tutor: Zheng Xinwu（Technician）January,2011畢業(yè)論文（設(shè)計）原創(chuàng)性聲明本人所呈交的畢業(yè)論文（設(shè)計）是我在導(dǎo)師的指導(dǎo)下進行的研究工作及取得的研究成果。該系統(tǒng)利用凌陽單片機在數(shù)字信號處理及語音處理方面的優(yōu)越性，通過語音辨識技術(shù)，可以讓機器人在語音指令控制下實現(xiàn)前進，后退，跳舞，發(fā)射以及連續(xù)發(fā)射飛盤等多種功能。在語音交流的過程中，抗噪音能力得到了很大的提高。SPCE061 A既具有體積小、集成度高、可靠性好的特點，又具有較強的中斷處理能力、高性能的價格比和功能強、效率高的指令系統(tǒng)及低功耗、低電壓的特點，以u39。頭部發(fā)射電機：藍色和淺藍色連線。將訓練好的語音模型導(dǎo)出存儲到FLASH中使用庫函數(shù)BSR_ExportSDWord(uiCommandID)；進行操作，然后再調(diào)用讀寫FLASH中的函數(shù)進行。開始初始化RAM執(zhí)行訓練，獲得訓練結(jié)果訓練成功返回開始定時采集語音樣本返回語音特征模型開始初始化識別器獲得識別結(jié)果識別出語音命令執(zhí)行相應(yīng)操作返回YNNY中斷服務(wù)識別過程識別過程訓練過程 語音識別的實現(xiàn) 初始化過程【API格式】C：int BSR_DeleteSDGroup(0)【功能說明】SRAM初始化?！緟?數(shù)】無。BSR_ImportSDWord(int CommandID)可以把BSR_SDModel 數(shù)組中的數(shù)據(jù)導(dǎo)入為某條語音命令的特征模型。語音識別基本原理圖如下（）：預(yù)處理特征提取模式匹配后處理主意模型庫輸入語音識別訓練初步識別結(jié)果識別結(jié)果 語音識別基本原理 語音合成技術(shù)將以其他方式表示或存儲的信息轉(zhuǎn)換成語音。最近，隨著非線性系統(tǒng)理論的發(fā)展，如人工神經(jīng)網(wǎng)絡(luò)，混沌與分形，可能應(yīng)用這些理論到語音識別中。這些信號特征構(gòu)成了語音信號最基本的光譜結(jié)構(gòu)。 Knodt，1998)。經(jīng)過半個學期的忙碌和工作，本次畢業(yè)設(shè)計已經(jīng)接近尾聲，作為一個本科生的畢業(yè)設(shè)計，由于經(jīng)驗的匱乏，難免有許多考慮不周全的地方，如果沒有導(dǎo)師的督促指導(dǎo)，以及一起工作的同學們的支持，想要完成這個設(shè)計是難以想象的。我們在一起的日子，我永遠記著的！最后要感謝的是我的父母，他們不僅培養(yǎng)了我對中國傳統(tǒng)文化的濃厚興趣，讓我在漫長的人生旅途中使心靈有了虔敬的歸依，而且也為我能夠順利的完成畢業(yè)論文提供了巨大的支持與幫助。學習者不會被告之他們發(fā)音的準確率。 Knodt，1998)。輸入信號將會被確認為造成詞，其精確度是可以評估的。 Choi，1998)，New Dynamic English (DynEd，1997)，English Discoveries (Edusoft，1998)，and See it，Hear It，SAY IT! (CPI，1997)．Most of these programs do not provide any feedback on pronunciation accuracy beyond simply indicating which written dialogue choice the user has made，based on the closest pattern match．Learners are not told the accuracy of their pronunciation．In particular，Neri，et al． (2002) criticizes the graphical wave forms presented in products such as Talk to Me and Tell Me More because they look flashy to buyers，but do not give meaningful feedback to users．The 2000 version of Talk to Me has incorporated more of the features that Hinks (2003)，for example，believes are useful to learners:u A visual signal allows learners to pare their intonation to that of the model speaker．u The learners39。在觸發(fā)第一條指令，然后再觸發(fā)第二條指令，就可以識別第三條指令，：名稱再來一曲開始準備跳舞