Inlämning av Examensarbete / Submission of Thesis

Nick Bardici; Björn Skarin MEE-03-19, pp. 79. TEK/avd. för signalbehandling, 2006.

The work

Författare / Author: Nick Bardici, Björn Skarin
mikael.nilsson@bth.se
Titel / Title: Röstigenkänning genom Hidden Markov Model - En implementering av teorin på DSP
Översatt titel / Translated title: Speech Recognition using Hidden Markov Model - An implementation of the theory on a DSK – ADSP-BF533 EZ-KIT LITE REV 1.5
Abstrakt Abstract:

This master degree project is how to implement a speech recognition system on a DSK – ADSP-BF533 EZ-KIT LITE REV 1.5 based on the theory of the Hidden Markov Model (HMM). The implementation is based on the theory in the master degree project Speech Recognition using Hidden Markov Model by Mikael Nilsson and Marcus Ejnarsson, MEE-01-27. The work accomplished in the project is by reference to the theory, implementing a MFCC, Mel Frequency Cepstrum Coefficient function, a training function, which creates Hidden Markov Models of specific utterances and a testing function, testing utterances on the models created by the training-function. These functions where first created in MatLab. Then the test-function where implemented on the DSK. An evaluation of the implementation is performed.

Populärvetenskaplig beskrivning / Popular science summary: Detta examensarbete går ut på att implementera en röstigenkänningssystem på en DSK – ADSP-BF533 EZ-KIT LITE REV 1.5 baserad på teorin om HMM, Hidden Markov Model. Implementeringen är baserad på teorin i examensarbetet Speech Recognition using Hidden Markov Model av Mikael Nilsson och Marcus Ejnarsson, MEE-01-27. Det som gjorts i arbetet är att utifrån teorin implementerat en MFCC, Mel Frequency Cepstrum Coefficient funktion, en träningsfunktion som skapar Hidden Markov Modeller av unika uttalanden av ord och en testfunktion som testar ett uttalat ord mot de olika modellerna som skapades av träningsfunktionen. Dessa funktioner skapades först i MatLab. Sedan implementerades testprogrammet på DSP:n Texas Instruments TMDS320x6711. Sedan utvärderades realtidstillämpningen.
Ämnesord / Subject: Signalbehandling - Signal Processing
Telekommunikation - Telecommunications
Datavetenskap - Computer Science\Software Engineering
Nyckelord / Keywords: Speech Recognition, Hidden Markov, Signalbehandling, DSP, DSK, BF533, Nick Bardici, Björn Skarin

Publication info

Dokument id / Document id:
Program:/ Programme Elektroteknik
Registreringsdatum / Date of registration: 04/04/2006
Uppsatstyp / Type of thesis: D-Uppsats/Magister/Master

Context

Handledare / Supervisor: Mikael Nilsson
mikael.nilsson@bth.se
Examinator / Examiner: Mikael Nilsson
Organisation / Organisation: Blekinge Institute of Technology
Institution / School: TEK/avd. för signalbehandling
S-372 25 Ronneby
+46 455 38 50 00
Anmärkningar / Comments:

Nick Bardici, nick.bardici@gmail.com
Björn Skarin, bjorn.skarin@exallon.sigma.se