设计(论文)期中报告(理工类)

1、毕业设计（论文）期中报告（理工类）毕业设计（论文）题目：自动语音门禁系统的仿真实现课题来源教师自拟课题课题性质开发设计根据上学期完成的毕业设计选题、开题报告、文献综述和外文翻译等一些前期工作，本学期开始了代码编写，开发之前首先配置了系统的开发环境：MATLAB。MATLA B除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字 处理，可视化建模仿真和实时控制等功能。Matlab是一种解释性执行语言，具有强大的 计算、仿真、绘图等功能，而且使用简单，扩充方便，同时因为有丰富的函数库（工 具箱）所以计算的功能实现也很简单。Matlab和其他高级语言也具有良好的接口，可以 方便的实现与其他

2、语言的混合编程。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。 此外，还涉及到语音识别单元的选取。选择识别单元是语音识别研究的第一步。语音 识别单元有单词（句）、音节和音素三种，具体选择哪一种，由具体的研究任务决定。单词（句）单元广泛应用于中小词汇语音识别系统，但不适合大词汇系统，原因 在于模型库太庞大，训练模型任务繁重，模型匹配算法复杂，难以满足实时性要求。音节单元多见于汉语语音识别，主要因为汉语是单音节结构的语言，而英语是多 音节，并且汉语虽然有大约1 300个音节，但若不考虑声调，约有 408个无调音节，数 量相对较少。因此，对于中、大词汇量汉语语音识别系统来说，

3、以音节为识别单元基 本是可行的。音素单元以前多见于英语语音识别的研究中，但目前中、大词汇量汉语语音识别系统也在越来越多地采用。原因在于汉语音节仅由声母（包括零声母有22个）和韵母（共有28个）构成，且声韵母声学特性相差很大。实际应用中常把声母依后续韵母的不同而构成细化声母，这样虽然增加了模型数目，但提高了易混淆音节的区分能力。由于协同发音的影响，音素单元不稳定，所以如何获得稳定的音素单元，还有待研究。前期所做的工作为设计语音识别系统的框架，完成本设计的图形用户界面以及语 音识别单元的选取，并且完成一部分代码的编写。语音识别的方案为：语音识别流程图输入的模拟语音信号首先要经过预处理，包括预滤波，

4、采样和量化，加窗，端点检测，预加重等。语音信号经预处理后，接下来重要的一环就是特征参数提取。语音信号中含有丰富的信息，如何从中提取出对语音识别有用的信息是语音识别的关键。特征提取就是完成这项工作，它对语音信号进行分析处理，去除对语音识别无关紧要的冗余信息，获得影响语音识别的重要信息。对于非特定人语音识别来讲，希望特征参数尽可能多的反映语义信息，尽量减少说话人的个人信息线性预测（LP）分析技术是目前应用广泛的特征参数提取技术，许多成功的应用系统都采用基于LP技术提取的倒谱参数。但线性预测模型是纯数学模型，没有考虑人 类听觉系统对语音的处理特点。Mel参数和基于感知线性预测（PLP）分析提取的感知线性预测倒谱，在一定程度上模拟了人耳对语音的处理特点，应用了人耳听觉感知方面的一些研究成果。实验证明，采用这种技术，语音识别系统的性能有一定提高。对特征参数的要求是：1）提取的特征参数能有效的代表语音特征，具有很好的区分性。2）各阶参数之间有良好的独立性。3）特征参数要计算方便，具有高效的计算方法，以保证语音识别的实时实现。将特征参数进行一定的处理后，为每个词条得到一个模型，保存为模板库。在识 别阶段，语音信号经过相同的通道得到语音参数，生成测试模板，与参考模板进行匹 配，将匹配分数