刘双砚--开题报告 - 图文

东北石油大学学生开题报告表

课题名称 课题来源 学生姓名 实际课题 焦思远 基于MATLAB的孤立词语音的识别 课题类型 学 号 E 110901140523 导 师 专 业 吕秀丽 电子信息工程 开题报告内容：（调研资料的准备，设计目的、要求、思路与预期成果；任务完成的阶段内容及时间安排；完成设计（论文）所具备的条件因素等。） 1、调研资料的准备 利用图书馆、互联网查找关于语音识别预处理的主要过程,包括滤波,加窗,端点检测,分帧,特征提取,以及识别算法等资料；对于题目关键技术要点，通过向导师答疑以及与同组同学讨论的方式得到了解决，从而确定了题目的技术方案；在后续的设计过程中，还会将继续利用图书馆、互联网等途径获取与设计有关的知识，并加强与导师的沟通。 2、设计目的 孤立词语音识别系统指人在发音时，以单字的发音方式向语音识别系统输入语音，词语词之间要有足够的时间间隙，以便系统能够检测到始末点。采用这种方式的语音识别系统可以做到很高的识别率。 3、设计要求 将北京科技大学人耳图像库作为实验对象，利用MATLAB软件编写程序实现基于PCA与LDA的人耳识别算法，对人耳图像识别率进行统计，输出实验结果并对其进行分析。 4、 设计思路 基于PCA及LDA的人耳识别算法总体设计框图如下： 人耳样本集 PCA降维 LDA映射 最近邻法则分类 以北京科技大学人耳图像库作为人耳样本集，通过主成分分析进行降维，线性鉴别分析进行映射，最后利用最近邻法则进行分类，进而对待识别的人耳图像进行分析并得到结果。 主成分分析是根据图像的统计特征进行正交变换以消除原本各分量之间的相关性，取变换后的所得到的最大的若干个特征向量来表示原来的图像。这种分析方法可以将图像的多数特征映射为少数几个特征，本质是将图像的高维数据投影到低维数据空间得到低维数据，使得到的低维数据仍然能够代表原图像的大部分能量，能够保留所需要的识别信息。 线性鉴别分析的基本思想是把高维的模式样本投影到最佳鉴别矢量空间，从而达到抽取分类信息和压缩特征空间维数的目的，通过某一非线性变换把人耳图

像区域属性空间的属性向量映射到高维的特征空间，计算被测图像区域与该特征空间的距离是否小于某一阈值来判断其是否包含人耳。 PCA、LDA单独用来进行人耳识别存在识别率不高，而当PCA及LDA作为一种经典算法融合的算法进行识别时，效果比独立利用PCA或LDA进行生物特征识别效果明显提高。最后利用MATLAB软件编写算法程序，并得到识别率统计的结果。 5、预期成果 本课题完成后，主要成果是利用Matlab软件编程实现一套人耳识别算法，并完成毕业论文。 6、任务时间安排和完成的阶段 (1) 1~3周：相关资料调研。 (2) 4~5周：研究PCA及LDA算法。 (3) 6~8周：设计PCA及LDA的人耳识别算法。 (4) 9~13周：MATLAB编程实现算法，并进行分析。 (5) 14~15周：撰写毕业论文，准备毕业论文答辩。 7、完成设计（论文）所具备的条件因素 (1)计算机一台； (2)掌握Matlab软件编程技术和数字图像处理的相关知识。 8、主要参考书籍 [1] 苑玮琦，柯丽，白云. 生物特征识别技术［M］.北京：科学出版社，2010. [2] Rafael C. Gonzalez,Richard E. Woods,Steven L. Eddins.数字图像处理（MATLAB版）［M］.北京：电子工业出版社，2005. [3] Young-Jun Song,Young-Gil Kim,Nam Kim. Face Recognition using both Geometric Features and PCA/LDA[J].Sixth International Conference on Advanced Language Processing and Web Information Technology,09/2007,6(1):248-252. [4] 陈垚光，毛涛涛，王正林，王玲. 精通MATLAB GUI设计［M］.北京：电子工业出版社，2008 [5] 穆志纯, 袁立, 曾慧.生物特征识别技术——人耳自动识别［M］.北京：科学出版社，2012 指导教师签名： 日期：2014年4月7日 1、 课题来源：课题来源分为真实课题和自拟课题两种，真实课题要填写确切基金项目、企事业单位项目，不能写横向、纵向课题等。

2、 课题类型：A—工程设计；B—科学实验；C—软件开发；D—理论研究；E—应用研究。

本文来源：https://www.bwwdw.com/article/1njf.html