本 文 首先 介绍了语音识别的研究和发展状况，然后循着语音识别系统的 处理过程，介绍了语音识别的各个步骤，并对每个步骤可用的几种方法在实 验基础上进行了分析对比。研究了语音信号的预处理和特征参数提取，包括 语音信号的数字化、分帧加窗、预加重滤波、端点检测及时域特征向量和变 换域特征向量.其中端点检测采用双门限法.通过实验比对特征参数的选取， 采用12阶线性预测倒谱系数作为识别参数。详细分析了特定人孤立词识别算 法，选定动态时间弯折为识别算法，并重点介绍其设计实现。 在

在上一次实验的基础上，进一步理解加窗思想在语音语音信号处理的作用和语音信号时域处理的基本方法，掌握基于短时自相关函数的基音周期估计的算法，理解窗长与基因周期之间的关系。完成语音基因计算。-an implementation of the pitch estimation algorithm based on short-time autocorrelation function

传统的短时谱估计语音增强算法通常假设语音谱分量相互独立，没有考虑语音谱分量间的相关性。针对这 一问题，该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先，假设语音的离散余弦变换(DCT) 系数服从多元Laplace分布，以此利用谱分量间的相关性；在此基础上，利用多元随机矢量的高斯尺度混合模型表 示，推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式；并进一步推导了基于该分布模型的 语音存在概率，对最小均方误差估计子进行修正。实验结果表明，该算法