1、經(jīng)濟(jì)的繁榮促使汽車以前所未有的速度進(jìn)入到人們的生活,為了滿足人們對汽車智能化和安全性的追求,汽車行業(yè)正在向高智能化發(fā)展,而該智能化離不開語音技術(shù)的支持。近年來,Siri、谷歌眼鏡等語音識別應(yīng)用也說明語音技術(shù)已經(jīng)走向產(chǎn)品化。本文應(yīng)用動態(tài)時間規(guī)整(DTW)孤立詞語音識別方法,實(shí)現(xiàn)了一個車載環(huán)境下的語音識別系統(tǒng)。
　　本文首先介紹了國內(nèi)外車載語音識別的發(fā)展現(xiàn)狀,然后詳細(xì)描述了語音識別的三個關(guān)鍵技術(shù),根據(jù)車載環(huán)境下語音識別系統(tǒng)的特點(diǎn),通過

2、實(shí)驗仿真及分析,選擇最適于該環(huán)境下的識別算法。預(yù)處理模塊,采用漢明窗對信號進(jìn)行分幀,同時針對傳統(tǒng)雙門限法易受外界噪聲干擾、魯棒性差的特點(diǎn),提出了一種自適應(yīng)樣本熵法,并通過實(shí)驗證明了該算法在低信噪比下能有效進(jìn)行端點(diǎn)檢測且檢測效果較好。特征參數(shù)模塊,比較了兩種常用特征參數(shù)LPCC、MFCC,針對MFCC運(yùn)算量較大對其計算過程進(jìn)行了改進(jìn),并對LPCC、MFCC和改進(jìn)的 MFCC參數(shù)性能進(jìn)行了比較;同時提出了一種基于MFCC與LPCC的混合特征

3、參數(shù),經(jīng)過主成分分析進(jìn)行降維去冗余,且通過實(shí)驗證明了該融合參數(shù)對系統(tǒng)識別率有益。模式匹配模塊,通過對DTW和VQ模型進(jìn)行多方面的實(shí)驗仿真分析,驗證了改進(jìn)的DTW算法更適于車載環(huán)境的應(yīng)用。
　　最后,應(yīng)用 MATLAB軟件對系統(tǒng)進(jìn)行了整體仿真,證明了本課題所選算法的可行性。在不同信噪比下對算法進(jìn)行測試,獲得了良好的識別效果,達(dá)到了系統(tǒng)設(shè)計要求。隨后在總結(jié)全文工作的基礎(chǔ)上,本文對課題目前存在的問題進(jìn)行了分析,并為進(jìn)一步研究指明了方向。