語(yǔ)音識(shí)別是機(jī)器通過(guò)識(shí)別和理解過(guò)程把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄?完整版)
【正文】 圖 利用人耳仿生學(xué)特性設(shè)計(jì)的 Mel尺度濾波器組 測(cè)度估計(jì)技術(shù)可以采用動(dòng)態(tài)時(shí)間彎折 DTW、隱馬爾可夫模型 HMM 或人工神經(jīng)網(wǎng) ANN等算法，我們采用國(guó)際上最先進(jìn)的 HMM，這樣我們能夠比較容易的實(shí)現(xiàn)非特定人，而且系統(tǒng)結(jié)構(gòu)也比較靈活、一致。 為體現(xiàn)語(yǔ)音的動(dòng)態(tài)特性，我們還在語(yǔ)音特征中加入了一階差分倒譜，其計(jì)算方法如下式所示： ??? ??? 2 2 )()( k kll mkcmc Pm??1 其中下標(biāo) l 與 lk 表示第 l 與 lk 幀， m 表示第 m 維。由于充分模擬了人的聽(tīng)覺(jué)特性，而且沒(méi)有任何前提假設(shè)， MFCC 參數(shù)具有識(shí)別性能和抗噪能力，實(shí)驗(yàn)證明在漢語(yǔ)數(shù)碼語(yǔ)音識(shí)別中 MFCC 參數(shù)的性能明顯優(yōu)于 LPCC 參數(shù)，因此本技術(shù)方案采用 MFCC 參數(shù)為語(yǔ)音特征參數(shù)。語(yǔ)音識(shí)別系統(tǒng)的模型通常由聲學(xué)模型和語(yǔ)言模型兩部分組成，分別對(duì)應(yīng)于語(yǔ)音到半音節(jié)概率的計(jì)算和半音節(jié)到字概率的計(jì)算。 二、 V9?漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)的設(shè)計(jì) V9?漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)是一個(gè)非特定人的、孤立音語(yǔ)音識(shí)別系統(tǒng)。 在漢語(yǔ)全音節(jié)與詞組混合的語(yǔ)音識(shí)別任務(wù)中，得 到的初步實(shí)驗(yàn)結(jié)果為： PC微機(jī)浮點(diǎn)算法條件下正確覆蓋率不低于 98%，定點(diǎn)算法的正確覆蓋率不低于97%。 南山高科語(yǔ)音技術(shù)事業(yè)部主要致力于語(yǔ)音識(shí)別和語(yǔ)音合成及編碼技術(shù)的開(kāi)發(fā)和應(yīng)用。首席科學(xué)家俞鐵城教授為中國(guó)語(yǔ)音識(shí)別技術(shù)鼻祖， 1972年開(kāi)始在計(jì)算機(jī)上研究語(yǔ)音識(shí)別， 1986年受命籌備設(shè)立國(guó)家八六三項(xiàng)目語(yǔ)音方 向。 DSP嵌入系統(tǒng)定點(diǎn)條件下正確覆蓋率不低于 96%。其中孤立音至少包括漢語(yǔ)的 400 多個(gè)調(diào)音節(jié) (不考慮聲調(diào) )以及一些常用的詞組。 目前通用的特征提取方法是基于語(yǔ)音幀的，即將語(yǔ)音信號(hào)分為有重疊的若干幀，對(duì)每一幀提取語(yǔ)音特征。 求 MFCC 參數(shù)的大致過(guò)程為： 對(duì)輸入語(yǔ)音幀加 Hamming 窗后作（快速傅利葉變換， Fast Fourier Transformation, FFT），將時(shí)域信號(hào)轉(zhuǎn)化為頻域信號(hào)。 MFCC 參數(shù)計(jì)算的要點(diǎn)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(jì)算之前先在語(yǔ)音的頻譜范圍內(nèi)設(shè)置若干個(gè)帶通濾波器 Hm(n)， m=0..M1，n=0..N/21。 HMM 的基本概念可參見(jiàn)文獻(xiàn)。其缺點(diǎn)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(lái)在很多小詞表應(yīng)用識(shí)別系統(tǒng)中也 用了子詞模型。 SCHMM 是 DHMM 和 CDHMM 的折衷，與DHMM 相似，其輸出為一套碼本，但每個(gè)碼字均為一個(gè)連續(xù)概率密度分布函數(shù)，這一點(diǎn)與CDHMM 相近。 。 ?？紤]到系統(tǒng)的實(shí)時(shí)實(shí)現(xiàn)性，本技術(shù)方案采用 Viterbi 譯碼作為系統(tǒng)的搜索算法。 。 考慮到漢語(yǔ)數(shù)碼語(yǔ)音所需的模型較少，很容易獲得足夠多的訓(xùn)練語(yǔ)音，因此本技術(shù)方案采 用了 CDHMM 為語(yǔ)音模型。 根據(jù)輸出
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1