小波变换和HMM模型在语音识别中的应用
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TN912.34

基金项目:


Application of Wavelet Transform and HMM Model in Recognition of Speech Signals
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出了一种基于小波变换和HMM模型的ARMA新模型参数,并将它用于A…N的英文字母的识别。小波变换可以高频提供高的频率分辨,在低频提供高的时间分辨率,而ARMA模型则可以改善LPC模型中没有零点的不足。实验结果表明,2个零点,10个极点的ARMA对字母C的识别准确性明显提高。

    Abstract:

    Some parameters based on wavelet transform and ARMA Model are presented. Wavelet transform provides a high frequency resolution, and the ARMA model is more powerful due to its including of the zeros pole in the model. The experimental result of alphabet of A to N from National Institute of Standard Technology (NIST) database is given. The error rate has been improved, especially C.

    参考文献
    相似文献
    引证文献
引用本文

李姣军.小波变换和HMM模型在语音识别中的应用[J].重庆大学学报,2001,24(4):61-63.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:2000-11-21
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码