基于HTK的语音识别的并行化研究与实现

来源 :计算机应用 | 被引量 : 4次 | 上传用户:q157194179
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
详细地分析了语音识别的过程,给出了相应的算法描述,并分析了语音识别并行化的可能性。将并行计算的思想应用于语音识别的算法中,使用多线程技术,并引入避免竞争条件的机制,在多核计算机上并行地计算HMM模型节点的似然率,从而得到语音识别的并行化算法。分析了该并行化算法的性能,同时在语音识别工具包HTK 3.4上实现了这种并行化算法。基于WSJ0语料库的实验结果表明该并行化算法在不影响识别结果的前提下能够有效地提高语音识别的实时性能。
其他文献
比较了小波变换和曲波变换,指出小波变换只具有点状奇异性的不足之处和曲波变换具有多尺度各向奇异性的优点,分析了现有的基于曲波变换的图像去噪方法,并对目前基于曲波变换的去噪算法进行了改进,提出结合Wrapping和Cycle Spinning的WCSCurvelet去噪新算法。仿真实验的结果证实了该算法减少了伪Gibbs现象,较好地保留了图像的细节和纹理,获得了更好的视觉效果和更高的峰值信噪比。
单一特征检索图像和手工设置多维加权系数特征检索图像越来越不能满足基于内容图像检索精度的需要,为此提出一种基于训练样本集聚类的多维特征向量加权算法。该算法需要手工建立训练样本集,提取出每个图像的颜色、纹理和形状等多维特征,使用遗传算法寻找特征向量集的最优加权系数序列,最后使用该加权序列计算测试集的特征值进行图像检索。实验证明,该算法相对于单一特征检索和手工设置多维特征加权在检索的准确度上有一定的提高
根据轮式移动机器人参数化轨迹生成模型,结合多障碍物结构化环境中障碍物的建模,把其和参数化轨迹规划模型融合,得到了具有一般性的多障碍物环境中轮式移动机器人光滑轨迹规划模型;并利用最优化控制原理,建立了任意性能指标下,多障碍物环境中最优参数化轨迹生成模型。结合数值求解方法,推导了多障碍物环境中参数化轨迹规划非线性求解模型的求解方法。最后通过仿真验证了参数化轨迹规划求解模型的正确性。
以数字水印技术为背景,介绍了基于二值图像Arnold变换置乱和周期性,详细地讨论置乱度,提出了一种图像分块后像素值方差和像素点与4邻域灰度差值相结合的最佳置乱度计算方法。实验结果表明,该最佳置乱度计算方法能很好地反映二值图像的置乱程度并与主观视觉效果相一致。