[发明专利]基于隐马尔科夫模型的家用服务机器人语音识别系统

摘要

基于隐马尔科夫模型的家用服务机器人语音识别系统属于语音识别领域。本发明所述整个过程由语音信号滤波、采样、量化、加窗、端点检测、特征提取、模型训练和阈值比较组成。滤波在于滤除低频干扰；语音信号是连续时变的模拟信号，必须对其进行采样量化得到离散的数字信号；分帧使得原本的信号变成一段一段的，相当于对原始信号时域内加了一个矩形窗。时域内与矩形窗相乘相当于频域内信号频谱与矩形窗的傅里叶变换进行卷积。然后通过双门限端点检测算法实现端点检测。语音信号特征参数采用美尔频率倒谱系数，通过隐马尔科夫模型对特征参数实现参数训练，再与所建立的模板库进行匹配，得出结果与阈值进行比较得到识别结果。

主权项

基于隐马尔科夫模型的家用服务机器人语音识别系统，其特征在于包括如下步骤：步骤(1)：对输入语音信号进行滤波，旨在滤除低频干扰；步骤(2)：由于语音信号是连续时变的模拟信号，滤除低频干扰后的语音信号进行采样与量化得到离散的数字信号；步骤(3)：分帧使得原来的信号变成一段一段的，相当于是在原始的信号时域内加上了一个矩形窗，而时域内与矩形窗相乘就相当于在频域内信号频谱与矩形窗的傅里叶变换进行卷积，因此要对语音信号进行加窗处理；步骤(4)：对加窗处理完后的语音信号进行端点检测，因为正确的检测语音信号的端点是进行语音识别的前提。步骤(5)：对语音信号的特征参数进行提取，为下步特征参数的模型训练做基础；步骤(6)：通过隐马尔科夫模型(HMM)对所提取的语音信号特征参数进行模型训练；步骤(7)：建立语音信号的模板库，将经过隐马尔科夫训练的特征参数与模板库匹配，通过阈值比较，最终得到识别结果。