智能控制課語音識別(參考版)
2025-07-10 14:12本頁面
【正文】 八．參考文獻(xiàn)STC12C52A60S2芯片資料LM358中文資料CH372DS1資料智能機(jī)器人 肖南峰人工智能基礎(chǔ) 蔡自興 北京：高等教育出版社，2006人工智能引論 朱福喜 武漢：武漢大學(xué)出版社，2006Visal C++面向?qū)ο笈c可視化編程 黃維通 北京：清華大學(xué)出版社，2003計(jì)算方法 李曉紅 北京：北京航空航天大學(xué)出版社，2006人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論 蔣宗禮 北京：高等教育出版社，2001模式識別 李晶皎 北京：電子工業(yè)出版社，2010。在通過這次的的編程，我學(xué)到了不少新的知識，LABVIEW是一款功能十分強(qiáng)大的軟件，他簡化了我們在語音識別中的一些關(guān)鍵的問題，對于特征值得提取和一些識別的部分他提供了不少十分有效的模塊，在控制的方面我想我們還有很多的東西可以學(xué)習(xí)，這對我們將來的發(fā)展有著很好的啟迪。七. 實(shí)驗(yàn)小結(jié)在這次課設(shè)中，我們遇到了許多我們以前未曾想過的問題，首先是關(guān)于數(shù)據(jù)傳送的，傳送的速度直接影響了我我們對數(shù)據(jù)的采集，導(dǎo)致我們無法準(zhǔn)確的采集到我們所需要的數(shù)據(jù)，通過實(shí)驗(yàn)我們對STC12C5A60S2單片機(jī)有了更多的了解，同時(shí)也對他的一些模塊有了更多的認(rèn)識，在實(shí)驗(yàn)中，我們通過軟件仿真逐漸找到了可以語音采集的方法，相信我們在以后的學(xué)習(xí)生活中會有更大的進(jìn)步。最后，通過對電壓，以及各個(gè)特征值的距離閥值的調(diào)整，我們完成了語音的識別，并實(shí)現(xiàn)了成功率較高的識別度。對語音的特征值提取我們遇到了不少麻煩，首先，對于如何區(qū)別音符的能量，我們并不了解，通過查資料和討論，我們逐步了解了如何提取特征值，并完成了對語音訓(xùn)練的步驟。完成了語音的采集和播放。經(jīng)過多次的測試，我們最后制定了用USB方式傳送，這樣解決了我們的數(shù)據(jù)傳送問題。機(jī)器人接收到指令后，完成特定的運(yùn)動。采用DTW方法進(jìn)行模式匹配，采集信號后通過與特征值得對比實(shí)現(xiàn)對語音的識別。預(yù)加重的目的是提高高頻部分，是信號的頻率變得平坦，以便于進(jìn)行頻譜分析或聲道參數(shù)分析：濾波去噪：由于獲得的語音信號或多或少會存在諸多噪音信號，因此有必要先進(jìn)行一定的去噪處理，基于簡單起見，使用IIR的butterworth帶通濾波器 ，通帶為250Hz~1000Hz，這個(gè)取值范圍需因情況而定，如果對某些人的聲音有過大的失真則需要將通帶
法律信息相關(guān)推薦
鄂ICP備17016276號-1