語音識別是機器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄?文件)
【正文】 年受命籌備設(shè)立國家八六三項目語音方 向。 信息產(chǎn)業(yè)部科技司于 2020年 9月 25日在北京組織召開了北京南 山高科技有限公司研制開發(fā)的“ V9?手機語音漢字輸入法軟件”鑒定會。 DSP嵌入系統(tǒng)定點條件下正確覆蓋率不低于 96%。（這一結(jié)論基于信息產(chǎn)業(yè)部電子科技情報所出據(jù)的查新 報告。其中孤立音至少包括漢語的 400 多個調(diào)音節(jié) (不考慮聲調(diào) )以及一些常用的詞組。硬件資源的開銷包括存儲模型參數(shù)的開銷，以及識別過程中對內(nèi)存、 DSP 的運行時間的開銷。 目前通用的特征提取方法是基于語音幀的，即將語音信號分為有重疊的若干幀，對每一幀提取語音特征。 LPCC 參數(shù)的優(yōu)點是計算量小，對元音有較好的描述能力，其缺點在于對輔音的描述能力較差，抗噪聲性能較差。 求 MFCC 參數(shù)的大致過程為： 對輸入語音幀加 Hamming 窗后作（快速傅利葉變換， Fast Fourier Transformation, FFT），將時域信號轉(zhuǎn)化為頻域信號。三角濾波器的輸出則為： ? ???? ?? ???? ?????? iiiiFFkFFk kiiikiiii XFF kFXFF FkY111 1111， i=1,2,....,24 其中 kX 為頻譜上第 k 個頻譜點的能量 , iY 為第 i 個濾波器的輸出 , iF 為第 i 個濾波器的中心頻率。 MFCC 參數(shù)計算的要點是 將線性功率譜 S(n)轉(zhuǎn)換成為 mel 頻率下的功率譜，這需要在計算之前先在語音的頻譜范圍內(nèi)設(shè)置若干個帶通濾波器 Hm(n)， m=0..M1，n=0..N/21。 Mel 頻率和線性頻率的轉(zhuǎn)換關(guān)系如下式。 HMM 的基本概念可參見文獻。但在大詞匯量語音識別中由于所需建立的模型太多而無法使用。其缺點在于其描述詞內(nèi)協(xié)同發(fā)音的能力劣于整詞模型，但由于子詞模型已經(jīng)得到了非常充分的研究，所以近年來在很多小詞表應(yīng)用識別系統(tǒng)中也 用了子詞模型。 6 連續(xù) HMM(Continuous Density HMM, CDHMM)。 SCHMM 是 DHMM 和 CDHMM 的折衷，與DHMM 相似，其輸出為一套碼本，但每個碼字均為一個連續(xù)概率密度分布函數(shù)，這一點與CDHMM 相近。其各分量計算如下式所示： ? ? ?????? ??????? )()(21e x p||21)( 12/12msmsTmsmsnms uxuxxb ?????? 總的概率輸出即為各分量的加權(quán)和： ? ????Mmmsmss xbcxb1 )()(?? s 表示當(dāng)前狀態(tài)， M 為混合分量數(shù)， ?? 、 ? 、 c 分別為各混合分量的均
公司管理相關(guān)推薦
鄂ICP備17016276號-1