本文阐述了一种新的全汉语单音节语音识别算法——DP/MVQ法。新方法充分借鉴了隐马尔可夫模型(Hidden Markov Model)中“状态”的概念,保留了 David K. Bordon 提出的多段矢量量化(Multisection Vector Quantization,简记为MVQ)方法中能保持时间序列信息的优点,并且并且在码本的训练过程中用了动态规划技术去优化MVQ产生的码字,使得DP技术贯穿于码本训练和识别的全过程。新方法充分考虑了汉语普通话语音的声学结构特点和统计特性,而且训练和
语音识别研究的根本目的是研究出一种具有听觉功能的机器,能直接接受人的口呼命令,理解人的意图并做出相应的反映。语音识别系统的研究涉及微机技术、人工智能、数字信号处理、模式识别、声学、语言学和认知科学等许多学科领域,是一个多学科综合性研究领域。近年来,高性能数字信号处理芯片DSP(Digital Signal Process)技术的迅速发展,为语音识别的实时实现提供了可能,其中,AD公司的数字信号处理芯片以其良好的性价比和代码的可移植性被广泛地应用于各个领域。因此,我们采用AD公司的定点DSP处理芯