基于机器学习的简单语音信号识别算法的研究与实现开题报告

1. 研究目的与意义

从人们学会制造和使用机器以来，就一直有个想法，那就是让机器能够听懂人们的语言并且执行相对应的指令，从而实现人与机器间的交流互动。20世纪以来，随着科技的不断进步，语音识别技术^[1]开始逐渐出现在人们的视线之中。

语音识别是一门交叉学科，涉及领域颇多，如信号处理，概率模型，机器学习等等。近几十年来，语音识别技术发展迅速，服务于电器、通讯、医疗等诸多领域。如文献[2]介绍了人工智能养老机器人，通过深度卷积神经网络（deep convolution neural network，dcnn）完成老人的语音识别，并运用算法形成语音控制智能家居的多样化解决方案，满足不同老人的定制化需求。又像文献[3]介绍的医技报告交互系统，通过关键词分析匹配相对应的医学术语，提高了医生出具报告的效率，减少了临床等候时间，为医生和患者都提供了方便。

追溯语音识别系统的发展史，第一个语音识别系统来自20世纪50年代，由贝尔实验室研究出的能识别十个英文数字的实验系统。到了60年代，出现了关键的技术：语音信号线性预测编码(lpc)技术^[4]和动态时间规整(dtw)技术^[5]。这些技术有效地解决了语音信号的特征提取和不等长匹配问题，在语音识别方面取得了实质性的进展。这阶段的语音识别主要基于模板匹配原理，局限在特定人、小词汇表的孤立词识别,实现了基于lpc和dtw技术的特定人孤立词语音识别;同时也提出了矢量量化(wq)和隐马尔可夫模型(hmm)理论^[6]。

2. 研究内容和预期目标

主要研究内容：

本课题主要研究如何通过对梅尔频率倒谱系数mfcc进行语音信号的时频特征提取，并利用隐马尔可夫模型hmm来完成对简单语音信号的识别。

3. 研究的方法与步骤

研究方法和步骤：

（1）参考主要文献并对mfcc和hmm进行了解学习，明白其原理和实现过程。

（2）熟悉matlab的安装和调试，学习matlab语言在mfcc和hmm基本实现，对录制的音源样本进行处理。

4. 参考文献

[1]于大海, 孙建民. 浅谈语音识别技术的应用和发展[j]. 科技传播, 2009, 000(009):22-23.

[2]赵彦,孙俊,时凯欣.n-pod多品牌智能家居语音控制设备的设计与实现[j/ol].电气传动:1-8[2021-03-17].

[3]宓林晖,袁骏毅,潘常青,沈晓冬.基于智能语音识别技术的医技报告交互系统的设计与应用[j].中国医疗设备,2021,36(02):92-95.

5. 计划与进度安排

3.1-3.19：充分查阅相关资料，撰写并修改完成开题报告；

3.20-4.9：研究语音信号识别的主要技术原理，选择合适的特征提取算法和识别算法进行深入研究；

4.10-5.21:设计实验方案，并通过合适的实验平台实现简单的语音信号识别，并对实验过程中出现的问题进行改进和调整；