智慧型手機平臺下語音辨認之強健式信賴度分析與模型補償技術探討

An Investigation on Robust Confidence Measure and Model Compensations for Smartphone-based Speech Recognition

本文針對 PDA/PDA/PDA/PDA/智慧型手機運算資源受限 智慧型手機運算資源受限 智慧型手機運算資源受限 智慧型手機運算資源受限 智慧型手機運算資源受限 智慧型手機運算資源受限 智慧型手機運算資源受限 智慧型手機運算資源受限 智慧型手機運算資源受限 的平台，提出以 的平台，提出以 的平台，提出以 HMMHMMHMM為基礎之語音辨認核心 的強健式技術。我們主要探討問題如下 的強健式技術。我們主要探討問題如下 : (1) : (1) : (1) : (1) : (1) : (1) 如何在資源受限的移動式裝置與雜訊環境下 如何在資源受限的移動式裝置與雜訊環境下 進行信賴度分析 (2)(2)(2)如何在資源受限的移動式 如何在資源受限的移動式 裝置下進行模型補償，而達到效能提升的目 裝置下進行模型補償，而達到效能提升的目 裝置下進行模型補償，而達到效能提升的目 的。整個設計流程經歷過演算法修改、定點數 的。整個設計流程經歷過演算法修改、定點數 的。整個設計流程經歷過演算法修改、定點數 分析、移植到 分析、移植到 分析、移植到 分析、移植到 分析、移植到 PDA/PDA/PDA/PDA/智慧型手機驗證等程序， 智慧型手機驗證等程序， 智慧型手機驗證等程序， 智慧型手機驗證等程序， 智慧型手機驗證等程序， 智慧型手機驗證等程序， 智慧型手機驗證等程序， 智慧型手機驗證等程序， 最終將相關程式模組移植到 Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro Dopod 818Pro 進 行實機測試。由於本文提出的設計能不需耗用 行實機測試。由於本文提出的設計能不需耗用 行實機測試。由於本文提出的設計能不需耗用 過多的資源下達到一定程度抗雜訊能力，咸 過多的資源下達到一定程度抗雜訊能力，咸 過多的資源下達到一定程度抗雜訊能力，咸 信非常適合作為運算資源受限的平台之語音 信非常適合作為運算資源受限的平台之語音 辨