语音识别研究

《语音识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、语音识别研究摘要：语音识别技术是一门涉及面很广的交叉学科。随着新理论的提出和应用，语音识别技术取得了很大的进步,许多产品已经得以实际的应用，但在其进一步的发展进程中，还有许多棘手的问题有待解决。?　　关键词：语音识别；动态时间规整算法；人工神经元网络?　　　　1背景介绍?　　　　语言是人类特有的功能,是人们思维最重要的寄托体，是人类交流最主要的途径。语音是语言的声学表现，是人类交流信息最自然、最有效、最方便的手段。语言和语音与人类社会科学文化发展紧密相连。?　　语音识别技术是让机器接收，识别和理解语音信号，并将其转换成相应的数字信号的技术。它是一门

2、交叉学科，涉及到语音语言学、数理统计、计算机、信号处理等一系列学科。?　　　　2发展历史?　　　　1952年贝尔实验室的Davis等人研制成功了能识别十个英文数字发音的Audry系统，标志着语音识别技术研究工作开始。20世纪60年代计提出了动态规划(Dynamicprogramming)和线性预测分析技术（LinerPredictive）等重要成果。20世纪70年代，语音识别领域取得了突破。实现了基于线性预测倒谱和DTW技术的特定人孤立语音识别系统。20世纪80年代语音识别研究进一步走向深入,基于特定人孤立语音技术的系统研制成功,隐马尔可夫模型和人

3、工神经元网络(ArtificialNeuralNetwork)在语音识别中的成功应用。进入20世纪90年代后语音识别系统开始从实验室走向实用。我国对语音识别的研究开始于20世纪80年代，近年来发展迅速，并取得了一系列的成果。?　　　　3具体应用?　　　　随着计算机技术、模式识别等技术的发展，适应不同场合的语音识别系统相继被开发出来，语音识别及处理技术已经越来越突现出其强大的技术优势。近三十年来，语音识别在计算机、信息处理、通信与电子系统、自动控制等领域的应用越来越广泛。?　　在许多政府部门、商业机构，语音识别技术的应用，可免除大量操作人员的重复劳动

4、，既经济又方便。如：语音邮件、IP电话和IP传真、电子商务、自动语音应答系统、自动语音信箱、基于IP的语音、数据、视频的CTI系统、综合语音、数据服务系统、自然语音识别系统、专家咨询信息服务系统、寻呼服务、故障服务、秘书服务、多媒体综合信息服务、专业特别服务号(168自动信息服务系统，112、114、119等信息查询系统)等。许多特定环境下，如工业控制方面，在一些工作环境恶劣、对人身有伤害的地方(如地下、深水及辐射、高温等)或手工难以操作的地方，均可通过语音发出相应的控制命令，让设备完成各种工作。?　　当今，语音识别产品不仅在人机交互中，占到的市场

5、比例越来越大，而且在许多领域都有了广阔的应用前景，在人们的社会生活中起着举足轻重的作用。?　　　　4语音识别系统原理?　　　　语音识别一般分为两个步骤：学习阶段和识别阶段。学习阶段的任务是建立识别基本单元的声学模型以及语言模型。识别阶段是将输入的目标语音的特征参数和模型进行比较，得到识别结果。?　　语音识别过程如图所示。下面对该流程作简单介绍：?　　　　（1）语音采集设备如话筒、电话等将语音转换成模拟信号。?　　（2）数字化一般包括预滤波、采样和A/D变换。该过程将模拟信号转变成计算机能处理的数字信号。?　　（3）预处理一般包括预加重、加窗分帧。经

6、预处理后的信号被转换成了帧序列的加窗的短时信号。?　　（4）参数分析是对短时信号进行分析，提取语音特征参数的过程，如时域、频域分析，矢量量化等。?　　（5）语音识别是目标语音根据特征参数与模型库中的参数进行匹配，产生识别结果的过程。一般有模板匹配法、随机模型法和神经网络等。?　　（6）应用程序根据识别结果产程预定动作。?　　（7）该过程是语音模型的学习过程。?(责任编辑：)5现有算法介绍?　　　　语音识别常用的方法有：模板匹配法、人工神经网络法。?　　（1）模板匹配法是语音识别中常用的一种相似度计算方法。模板匹配法一般将语音或单词作为识别单元，一般

7、适用于词汇表较小的场合。在训练阶段，对用户语音进行特征提取和特征维数的压缩，这个过程常用的方法是采用矢量量化（VQ）技术。然后采用聚类方法或其他方法，针对每个模式类各产生一个或几个模板。识别阶段将待识别的语音模式的特征参数与各模板进行相似度的计算，将最高相似者作为识别结果。但由于用户在不同时刻发同一个音的时间长度有较大随意性，所以识别时必须对语音时间进行伸缩处理。研究表明，简单的线性伸缩是不能满足要求的。由日本学者板仓在70年代提出的动态时间伸缩算法（DT帧矢量，而参考模板有N帧矢量，且M≠N，则DT）测试矢量I和第f(k)帧（f(k)=1,2…N

8、）模板矢量J之间的距离测度之和最小:??　　??　　另外，在实际识别系统中，语音的起点或终点由摩擦音构成，环境噪声也比较大