随着现代科学和计算机技术的发展,人们面临着与越来越多的机器进行信息交流,使用语言作为人机交流方式的语音识别有着广阔的应用前景,在众多应用的技术中,小波分析理论及神经网络技术成为现代语音识别技术中的主流。目前神经网络理论研究日趋深入,其重要发展方向之一,就是注重与小波的结合。小波变换具有时频局部特性和变焦特性,而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力,如何把两者的优势结合起来,一直是人们关注的问题。其中的一种方法就是用小波分析对语音信号进行预处理,然后将预处理后所提取的特征向量送入神经网络处理。本文主要针对小波分析理论和神经网络技术分别在语音识别系统中的作用来进行研究的。 首先讨论了实现一个完整的语音识别系统的基本原理,并研究了识别系统中的关键技术,尤其对识别系统中的语音信号获取、语音信号的预处理、语音信号的特征提取这三个部分进行了仿真分析。第二步,结合小波分析理论,分析了小波在语音识别预处理中的滤波部分的重要作用。第三步,基于自动语音识别(ASR)的原理和过程,结合人工神经网络(ANN)的建模理论和特点,主要研究了人工神经网络在语音识别中的应用问题。针对非特定人孤立词识别任务,基于三种不同的神经网络(BP网络、径向基函数网络和预测网络),研究构造了相应的语音识别模型与算法。通过仿真计算,比较了三种神经网络算法的识别性能及应用特点,分析讨论了不同特征参数、训练样本数目、背景噪声以及是否特定人对识别结果的影响。研究结果表明,神经网络识别方法有较高的识别率。 本文最后针对语音识别的硬件实现问题,提出了一套用定点DSP在PC平台上实现一个完整的语音识别系统的方案设计,其中重点讨论了识别算法的定点DSP移植问题,并在PC机上模拟定点实现。