1 簡(jiǎn)介

語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)，語音識(shí)別是一門交叉學(xué)科。人們預(yù)計(jì)，不久的未來年，語音識(shí)別技術(shù)將進(jìn)入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費(fèi)電子產(chǎn)品等各個(gè)領(lǐng)域。語音識(shí)別是人機(jī)交互里很重要的模塊，從PC時(shí)代到現(xiàn)在的移動(dòng)互聯(lián)時(shí)代，人機(jī)交互由鼠標(biāo)鍵盤走向智能手機(jī)、Pad等的多點(diǎn)觸摸。到了智能硬件時(shí)代，交互則更加多元，不僅有觸摸，還有基于語音、視覺的交互。原本是以機(jī)器為中心的人機(jī)交互，逐漸走向以人為中心的自然交互。

語音識(shí)別技術(shù)主要包括特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)三個(gè)方面。語音識(shí)別常見的五種算法：動(dòng)態(tài)時(shí)間伸縮算法（Dynamic Time Warping,DTW）、基于規(guī)則的人工智能、人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）方法、隱馬爾可夫（Hidden Markov Model、HMM）方法，HMM和ANN混合模型。本文利用MATLAB強(qiáng)大的數(shù)學(xué)運(yùn)算能力，實(shí)現(xiàn)孤立語音信號(hào)的識(shí)別。本文應(yīng)用DTW為識(shí)別算法，采用MFCC（MEL頻率倒譜系數(shù)）為主要語音特征參數(shù)。其中包括語音信號(hào)處理，特征參數(shù)提取，識(shí)別模板訓(xùn)練，識(shí)別匹配算法。識(shí)別效果可以達(dá)到預(yù)期。

DTW算法原理：在孤立詞語音識(shí)別中，最為簡(jiǎn)單有效的方法是采用DTW（Dynamic Time Warping，動(dòng)態(tài)時(shí)間歸整）算法，該算法基于動(dòng)態(tài)規(guī)劃（DP）的思想，解決了發(fā)音長短不一的模板匹配問題，是語音識(shí)別中出現(xiàn)較早、較為經(jīng)典 的一種算法。

用于孤立詞識(shí)別，DTW算法與HMM算法在訓(xùn)練階段需要提供大量的語音數(shù)據(jù)，通過反復(fù)計(jì)

總結(jié)

以上是生活随笔為你收集整理的【语音识别】基于DTW算法实现0~9数字含Matlab源码的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。