基于前向-后向hmm的连续语音识别系统的研究

《基于前向-后向hmm的连续语音识别系统的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据计算机工程与设计ComputerEngineeringandDesign2009，30(18)4339·开发与应用·基于前向一后向HMM的连续语音识别系统的研究于晓明，柏松(陕西科技大学电气与信．g-工程学院，陕西西安710021)摘要：在分析语音识别原理的基础上采用TMS320DM642DPS芯片，利用前向一后向HMM声学模型和Viterbi算法进行模式训练和识别，设计了一种连续的、小词量的语音识别系统。实验结果表明，该语音识别系统具有较高的识别率和一定程度的鲁棒性，实验室识别率和室外识别率分别达到9

2、6．8％J，L91．2％，该语音识别系统具有良好的实用性和可移植性．关键词：隐马尔可夫模型；语音识别；Markov链：Viterbi算法；语音模型；模式匹配中图法分类号：TN912．34文献标识码：A文章编号：1000．7024(2009)18．4339．03ResearchonspeechrecognitionsystembasedonforwardandbackwardHMMYUXiao-ming．BAISong(SchoolofElectricalandInformationEngineering，Sha

3、anxiUniversityofScienceandTechnology,Xi’an710021，China)Abstract：BasedontheresearchfortheprincipleofspeechrecognitionandchipsofTMS320DM642DPS，usingacousticmodelsofforward-backwardHMMandViterbialgorithmmodeltotrainmodelandrecognition，thenaspeechrecognitionsyst

4、emofcontinuousandsmallvocabularyisestablished．Examplesshowthatthisvoicerecognitionsystemhasahighrecognitionrateanditisrobustinacertainextent,thelaboratoryandoutsiderecognitionratereacheashi29has96．8％and91．2％．thisspeechrecognitionsystemhasagoodpracticalortran

5、splantation．Keywords：hiddenMarkovmodel(HMM)；speechrecognition；Markovchains；Viterbialgorithm；languagemodel；paaemmatch0引言语音识别技术是近几年语音处理领域出现的～个关键技术。语音识别的目的就是研制出一种具有人类听觉功能的系统，以便能够直接听懂人的讲话，并做出相应的反应。这种具备了语音识别功能的系统在互联网、通信、军事、国防等方面具有十分重要的价值。同时，在语音识别技术发展过程中又以HMM的广泛应用

6、为特点，该算法通过对大量语音数据进行数据统计，建立识别词条的统计模型，然后从待识别语音中提取特征，与这些模型匹配，通过比较匹配概率以获得识别结果，并且通过大量的语音，就能够获得一个稳健的统计模型，能够适应实际语音中的各种突发情况。本文在技创公司DM642多路实时图像处理开发平台上实现该识别系统，通过反复测试，该系统在较小噪声环境中具有很好的鲁棒性，同时具有较高的识别率和正确率。1HMM识别算法在语音识别中的实现1．1．Markov链语音信号是一个可观察的序列，如果能用一个模型描述该序列，那么就有可能去识别它。语

7、音信号在足够小时间段上的特性近似于稳定，7而总的过程可看作依次从相对稳定的某一特性过渡到另一特性，那么在整个分析区间内可将许多线性模型串接起来，这就是Markov链。Markov链是Markov随机过程的特殊情况，即Markov链式状态和时间参数都离散的Markov过程。定义如下：随机过程xn，它的状态宅间为(0．，0：，0，I．“，oN)，它在m+k时刻所处的状态为q。的概率。只与它在m时刻的状态q。有关，而与m时刻以前它所处的状态无关，即有P(Xn=q—√X。2q。，X。l=q。-，⋯，X·=qt)2PO(

8、一=q一／X=q。)qt，q2，⋯，‰，⋯，q。“∈(0一，0z，0：，⋯，eN)(1)式中：Ⅺ一Markov链，式(1)表示的性质称为无后效性，并且称PⅡ(m，re+k)=P(q。q=O／q。=0J(2)式中：1≤i，j≤N，m，k为正整数，为k步转移概率。一般的转移概率不仅与状态有关，而且与时刻m有关。当P；；(m，re+k)与m无关时，Markov链具有平稳的转移概率，称这个Ma