這是一個基于HMM 模型的生物多序列比對算法的linux實現(xiàn)版本。hmmer
標簽: linux hmmer HMM 模型
上傳時間: 2014-01-01
上傳用戶:zhangyi99104144
可以了解GMM的動態(tài),也可以學習GMM的構建技術,對我們學習非常重要!
標簽: GMM 動態(tài)
上傳時間: 2017-09-25
上傳用戶:sdq_123
基于HMM的語音識別技術研究這是一份非常不錯的資料,歡迎下載,希望對您有幫助!
標簽: hmm 語音識別
上傳時間: 2021-12-24
上傳用戶:
語音識別是通過識別和理解過程把人類的語音信號轉(zhuǎn)變?yōu)槲谋净蛎畹募夹g。近年來語音識別技術由于其重要性和研究難度成為研究的熱點。隨著嵌入式的發(fā)展,嵌入式語音識別技術成為語音識別領域發(fā)展的新的重要方向。 在此背景下,本課題進行基于ARM的嵌入式語音識別系統(tǒng)的研究。論文分別從理論分析、系統(tǒng)硬件平臺的總體設計、系統(tǒng)軟件的分析定制等方面,對語音識別在ARM上的應用做了研究。 1、在理論上,詳細介紹了語音識別的發(fā)展歷史與研究現(xiàn)狀;具體闡述語音識別技術的基本原理和主要研究方法,并推導了語音識別技術中最常用到的兩種算法DTW和HMM的數(shù)學模型,為進一步的語音識別研究打下基礎。 2、在硬件平臺方面,本文分析設計了語音識別系統(tǒng)的總體方案,主要包括以下三部分:語音識別系統(tǒng)的控制部分、語音的輸入輸出部分以及語音程序的存儲部分;文中詳細介紹了各部分的作用以及它們之間的連接方式,此外根據(jù)實際需要,選擇確定了語音芯片等外圍電路芯片的型號并擴展了外圍電路。 3、在系統(tǒng)軟件選擇定制方面,不僅要求各部分自身功能完善,能夠滿足本課題的需求,而且要求各部分相互之間滿足一定的兼容性,即定制的系統(tǒng)具有穩(wěn)定性,可以有效的工作。考慮到以上的因素,本課題針對特定的語音識別系統(tǒng)的需求,對交叉編譯環(huán)境、U-boot、內(nèi)核、根文件系統(tǒng)等均進行了量身定制。最終選用Crosstool來制作專門編譯Linux-2.6.22.6的交叉編譯工具;選用比較穩(wěn)定的支持tftp下載的u-boot-1.2.0作為引導程序;選用Linux-2.6.22.6作為嵌入式操作系統(tǒng)內(nèi)核,并對其進行剪裁定制,特別是增加了UDA1341TS音頻驅(qū)動和網(wǎng)卡驅(qū)動部分;選用了帶有mdev功能的busybox-1.9.1來制作根文件系統(tǒng)。 在以上三方面的基礎上,本課題對語音識別程序系統(tǒng)進行了實驗研究。實驗包括音頻驅(qū)動、語音錄制、語音訓練、語音識別程序的編譯以及語音識別等程序在ARM上的移植。 最后,本論文采用DTW模型,完成了語音模板的訓練和語音識別的任務。經(jīng)過實驗測試,該系統(tǒng)有效完成了預期的語音識別任務。
標簽: ARM 嵌入式 語音識別 系統(tǒng)研究
上傳時間: 2013-05-30
上傳用戶:wsx123
·基于MATLAB的語音識別系統(tǒng)程序,包括HMM,DTW,Record三個matlab的M文件 文件列表: cdhmm .....\baum.m .....\getparam.m .....\hmm.mat .....\inithmm.m .....\mfcc.m .....\mixture.
標簽: MATLAB 語音識別系統(tǒng) 程序
上傳時間: 2013-04-24
上傳用戶:lanwei
·詳細說明:語音識別方面的開發(fā)包,有助于設計HMM,NN和VQ。它是開放源碼的。- The speech recognition aspect development package, is helpful to designs HMM, NN and VQ. It opens the source code.
標簽: 語音識別 方面 開發(fā)包
上傳時間: 2013-06-17
上傳用戶:weixiao99
為了提高語音信號的識別率,提出了一種改進的LPCC參數(shù)提取方法。該方法先對語音信號進行預加重、分幀加窗處理,然后進行小波分解,在此基礎上提取LPCC參數(shù),從而構成新向量作為每幀信號的特征參數(shù)。最后采用高斯混合模型(GMM)進行說話人語音識別,實驗表明新特征參數(shù)取得了較好的識別率。
標簽: LPCC 參數(shù)提取
上傳時間: 2013-10-10
上傳用戶:asdgfsdfht
使用第二代身份證照片作為訓練樣本進行人臉識別屬于典型的單樣本問題,由于沒有充分數(shù)量的訓練樣本,會造成常規(guī)的人臉識別算法識別率低下,甚至無效的問題。為此采用虛擬樣本生成方法,并針對遇到姿態(tài)變化較復雜的人臉時,識別率不高的問題,提出了一種新的多姿態(tài)的虛擬樣本生成方法,通過模擬人臉側(cè)向旋轉(zhuǎn)、俯仰和立體旋轉(zhuǎn)等增加有效的訓練樣本,再使用魯棒性較好的HMM進行人臉識別。在自建的身份證人臉庫上進行測試,實驗結果顯示,該方法在一定程度上減弱了人臉姿態(tài)的變化對識別率的影響,并取得了較好的識別效果。
標簽: 人臉識別 多姿態(tài) 虛擬樣本
上傳時間: 2013-10-17
上傳用戶:hanwu
hmmer源程序,對于HMM很有參考價值
標簽: hmmer 源程序
上傳時間: 2015-02-12
上傳用戶:franktu
模式識別常用模型和算法,包括BP神經(jīng)網(wǎng)絡的C語言實現(xiàn),BP神經(jīng)網(wǎng)絡解決異或問題,HMM的C語言實現(xiàn)
標簽: 模式識別 模型 BP神經(jīng)網(wǎng)絡 C語言
上傳時間: 2015-05-07
上傳用戶:xinyuzhiqiwuwu
蟲蟲下載站版權所有 京ICP備2021023401號-1