论文总字数：15634字

摘 要

摘 要： 在现今社会，伴随着科技不断地发展和创新，算法的不断完善，给予电子芯片不断地更新换代，更多的科技元素开始慢慢融入人们的生活。随着经济全球化的进程的加快，许多来自不同国家的人出现在我们的工作和生活中。而现在的年轻人，却很少能够精通多国语言，他们需要价格低廉并且准确高效的分析工具。同时人们也开始接受并顺应时代的发展，对于人工智能有着更高的追求。科技的创新，新算法的提出，其根本是人们对于科技的更深的理解，对于技术的更优的改良，从根本上强化了人们更深层次对于科技的理解，让工作运作起来更为便捷，让智能走进生活， 让智能引领我们跨入新的科技时代。我们可以使用计算机来处理语音信号，并借助MATLAB软件中的程序来实现不同语种之间的识别。

关键词：语音信号读取； K近邻语言； 语种识别；LPC倒谱

Recognition of Language Types Based on K-nearest Neighbor Language

Abstract

Abstract: in today's society, with the continuous development and innovation of science and technology, the continuous improvement of algorithms, and the continuous updating of electronic chips, more scientific and technological elements began to gradually integrate into people's lives. With the acceleration of economic globalization, many people from different countries appear in our work and life. Nowadays, young people are seldom proficient in many languages. They need cheap, accurate and efficient analysis tools. At the same time, people began to accept and adapt to the development of the times, and have a higher pursuit for artificial intelligence. The innovation of science and technology and the proposal of new algorithms are fundamentally people's deeper understanding of science and technology. The better improvement of technology fundamentally strengthens people's deeper understanding of science and technology, makes the work more convenient, lets intelligence enter into life, and lets intelligence lead us into a new era of science and technology. We can use computers to process speech signals, and with the help of MATLAB software programs to achieve recognition between different languages.

Key words: speech signal reading,k nearest neighbor language, language recognition,LPC cepstrum

目 录

摘 要 I

Abstract I

第一章 引 言 1

1.1 语种识别的研究背景 1

1.2 语种识别的基本原理 1

1.3 语种识别的意义和前景 2

1.4 本论文的结构安排 2

第二章 K近邻算法的基本介绍 3

2.1 KNN算法原理 3

2.1.1 相关原理简述 3

2.1.2 KNN算法的流程 3

2.1.3 KNN算法相关要素 3

2.2 KNN算法的优点和缺点 4

2.2.1 KNN算法的优点..........................................................................................................................4

2.2.2 KNN算法的缺点..........................................................................................................................4

第三章 语音特征参数分析..................................................................................................................................5

3.1 特征参量评价方法.................................................................................................................................5

3.2 语音信号产生过程.................................................................................................................................5

3.3 常用特征语音参数.................................................................................................................................6

3.3.1 LPC倒谱参数.............................................................................................................................6

3.3.2 Mel倒谱参数...........................................................................................................................10

第四章 语种识别系统 12

4.1 语音数据库...........................................................................................................................................12

4.1.1 语音数据库的构成....................................................................................................................12

4.1.2 语音数据库的具体构成............................................................................................................12

4.2 实验结果及讨论...............................................................................................................................13

4.3 系统的改进及今后的研究方向.......................................................................................................16

致 谢 17

参考文献(Reference) 17

第一章 引 言

1.1 语种识别的研究背景

由语言的使用来传递信息自古以来便是人类交换信息的最主要、最有效果、最经常常用和最便利的一种形式。此刻，随着人们逐步走入高科技时代，用当代科技研究语音处理技术使人们能够更好地对语音信息在各个进程步骤中得到更好的利用，这一行动是人类社会一点点获得了的成长。

语音识别相关的研究从开始到现在已经过了快50多年的发展，这段时间内语音识别技术有了很快速的发展。科学家们将声学—语音学看做语音识别过程中的根本观点，并对此进行了不懈的研究。1952年ATamp; T Bell实验室就完成了一个特别简陋的语音识别系统，办法主要是测出并比较每个数字元音音段的共振峰，虽然测试结果并不准确，但也在人类的语音识别的历史上迈出了关键的一步。直到1959年，一种能够识别4个元音和9个辅音音素的识别器被英国牛津大学的研究人员研究了出来，这个识别器是以谱分析和模板匹配为基础构建的，相比1952年的实验，又更进了一步。而MIT林肯实验室的科学工作人员将识别器的识别范围扩大到非特定说话人，这种元音识别器为了更好的识别在/b/-vowel /t/语境中的置入了10个元音。

剩余内容已隐藏，请支付后下载全文，论文总字数：15634字