简介:语音识别技术近年来得到了飞速的发展并且在越来越多的领域得到了广泛的应用。隐马尔可夫模型(HMM)语音识别技术是一种基于训练数据提供的概率自动构造识别系统的技术,主要用于大量词汇的语音识别,而且具有良好的识别性能和抗噪性能。因此,一般的语音识别系统都采用基于HMM的识别方法作为其基本算法。本文列举了语音识别在教学中的应用示例来分析其基本算法。
简介:采用4台数码摄像机对10名山东省男子跆拳道运动员横踢动作进行同步拍摄,并用德国SIMImotion录像解析系统对测试结果进行三维图像解析,旨在揭示男子跆拳道运动员横踢技术特点,以及髋、膝、踝等各个关节、角度运动学特征。结果显示:1)男子运动员在横踢动作中,提膝转髋、踢击、收腿三个阶段所占时间比例分别为35%、20%、45%。2)在横踢过程中运动员Z轴重心位移起伏较大,数值升高变化特征明显,可有效提高踢击效果。3)在横踢动作中,未发现跆拳道运动员的左支撑脚内旋达180°。4)跆拳道运动员左支撑腿位置并非是固定不变的,而是根据踢击目标的需要,不断调节支撑脚的滑动位置。
简介:摘要:本文面向大学生心理状态评估的需求,提出了一种基于多特征融合的语音情感识别方法。该方法通过主成分分析方法充分融合语句级的全局特征以及语段级的局部特征,获取对语音信号中情感信息更具判别性的表征。本文方法在柏林语音情感数据库上进行的十折交叉验证实验取得了88.61%的识别率,验证了本文方法的有效性。
简介:同步运用Qualisys三维运动采集与分析系统、表面肌电测试系统、Kistler测力台对11名优秀男乒乓球运动员的正手中远台拉冲技术动作进行测试,对比分析所测相应指标后发现:挥拍击球时肩部的转动是先快速向上后快速向前,在触球时肩部的转动主要是向前为主,向上的转动速度已较低;球拍顶点向前的最大速度几乎出现在击球瞬间,而向上的最大速度则出现在触球稍后;腰部以下的髋、腿等部位主要起到调整击球空间位置、辅助起动、为腰部及以上部位的转动提供支撑反作用力等作用,转腰、挥大臂、收前臂才是有效提升挥拍速度的核心环节;挥拍至还原时身体随势成"抱团"趋势,以减小转动惯量使身体能快速还原;持拍手侧主要发力肌肉出现最大放电时刻的时序有一定规律性;大腿部肌肉出现最大放电最早,紧随其后腰腹部肌肉出现最大放电;胸大肌、肱二头肌、三角肌前束的最大放电时刻几乎相当,都在即将向前挥拍时刻附近;持拍手侧地面支反力向上最大值的出现时刻明显早于向前最大值的出现时刻。