基于DTW和HMM算法的语音识别系统对比研究-毕业小结

论文导读：别算法　　（一）动态时间归整算法　　发音具有随机性，同一个人在不同时间，不同场合对同一摘自：7彩论文网写毕业论文经典的网站http://www.7ctime.com个字的发音长度都不是完全一样的。在语音识别的模版匹配中，这些长度不一的发音将降低系统的识别率。为了解决这一问题，我们引入动态时间归整算法（Dynamic Time Warping，DTW）。在

摘要：论文在语音信号分析的理论基础上，研究了基于模型补偿的识别算法，对比了语音识别最常用的两种算法：动态时间归整算法（DTW）和隐马尔可夫算法（HMM），并针对两种算法的不足进行了改进。基于改进后的算法在MATLAB环境下搭建了孤立词语音识别系统，提高了识别率，节省了运行时间。

关键词：动态时间归整算法；隐马尔可夫算法；语音识别

1007-9599 (2012) 11-0000-02

随着人们对人机交流技术的要求越来越高，语音识别技术应运而生。语音识别是将语音信号转换成相应文本的高技术，是一种重要的人机交互技术。在近二十年，越来越多高水平的研究机构和企业加入到语音识别的研究领域，并开始向市场上提供产品。其中具有代表性的产品有微软的Whisper系统，Google的Word Search系统，苹果的Siri系统等。

语音识别最重要的性能指标就是识别率，而识别率十分依赖特征参数的训练和识别模型。常用的模式匹配和模型训练技术主要有动态时间归整算法和隐马尔可夫算法。文中就这两种算法特点进行了分析和改进，对基于改进后的算法建立的语音识别系统进行了性能评估和对比。

一、语音识别算法

（一）动态时间归整算法