【文章內(nèi)容簡(jiǎn)介】 的多個(gè)高等院校，此語(yǔ)音識(shí)別教學(xué)系統(tǒng)用來(lái)幫助學(xué)生在語(yǔ)言學(xué)習(xí)的過(guò)程中，引導(dǎo)學(xué)生正確發(fā)音，及時(shí)的糾正外語(yǔ)口語(yǔ)的發(fā)音。該系統(tǒng)也可稱(chēng)為家庭幼兒輔導(dǎo)老師及中小學(xué)教育不可或缺的輔助工具。 （ 6）語(yǔ)言語(yǔ)音玩具 在對(duì)孩子進(jìn)行啟蒙教育的時(shí)候，你可以用帶有語(yǔ)音說(shuō)話功能的娃娃與孩子交談，讓孩子操作服從語(yǔ)音命令的玩具，在孩子們幼小的心靈就播下科學(xué)的種子，讓這些玩具引導(dǎo)孩子們探索科技，發(fā)現(xiàn)科學(xué)的偉大力量。據(jù)外國(guó)有關(guān)媒體報(bào)道，語(yǔ)音玩具的銷(xiāo)售遠(yuǎn)遠(yuǎn)超出了預(yù)期水平 [7]。 （ 7）語(yǔ)音識(shí)別技術(shù)在軍事方面，刑事調(diào)查方面的應(yīng)用 由于每 個(gè)人的發(fā)音都有其獨(dú)特的特點(diǎn)，就像人的指紋一樣，具有獨(dú)特性和唯一性，是非常有特點(diǎn)的識(shí)別標(biāo)志，科學(xué)上可以運(yùn)用它來(lái)判斷一個(gè)特定的人。比如，在外國(guó)科幻電影中，我們經(jīng)常會(huì)看到高精密發(fā)射的核設(shè)施發(fā)射系統(tǒng)，它除了一般的發(fā)射檢測(cè)程序外，總統(tǒng)聲音命令也成為了核發(fā)射系統(tǒng)的重要密匙，在最終確認(rèn)發(fā)射時(shí)，需要通過(guò)總統(tǒng)的特定語(yǔ)音命令，才可進(jìn)行程序釋放，核發(fā)射才進(jìn)入相應(yīng)倒計(jì)時(shí)階段。再有，在司法刑偵檢測(cè)時(shí)，犯罪嫌疑人的聲音也可以作為破案的重要線索，因?yàn)槊總€(gè)人說(shuō)話的聲音是不一樣的，語(yǔ)音數(shù)據(jù)將會(huì)和 DNA 測(cè)試結(jié)果一起作為證據(jù)，這種方法已經(jīng)得到 了法律上的認(rèn)可。在國(guó)外這方面的例子數(shù)不勝數(shù)，特別在近些年來(lái)，此技術(shù)已經(jīng)作為語(yǔ)音識(shí)別技術(shù)在應(yīng)用領(lǐng)域的一大主題，該應(yīng)用對(duì)軍事和司法調(diào)查、刑事偵查具有巨大的實(shí)用價(jià)值。 語(yǔ)音識(shí)別發(fā)展歷史及現(xiàn)狀 語(yǔ)音識(shí)別技術(shù)的研究歷史可以追溯到上個(gè)世紀(jì)三十年代初， 1947 年，貝爾 (Bell)實(shí)驗(yàn)室發(fā)明了語(yǔ)譜圖分析儀，意味著語(yǔ)音識(shí)別技術(shù)研究的萌芽。起初，語(yǔ)音識(shí)別是通過(guò)人工分析語(yǔ)譜圖而進(jìn)行識(shí)別的。 50 年代初期，研究人員大部分致力于聲學(xué) — 語(yǔ)音學(xué)的基本概念進(jìn)行探索。 1952 年貝爾實(shí)驗(yàn)室的 Davis 等人首次采用識(shí)別方法是根 據(jù)語(yǔ)音第一、二共振峰位置提取若干特征的方法研制出能識(shí)別十個(gè)英語(yǔ)數(shù)字的語(yǔ)音識(shí)別系統(tǒng)，實(shí)現(xiàn)了用模擬電路實(shí)現(xiàn)未知語(yǔ)音與參考語(yǔ)音之間的相關(guān)度運(yùn)算 [1]。 60 年代初期，語(yǔ)音識(shí)別系統(tǒng)的構(gòu)成基本上是用硬件實(shí)現(xiàn)的，通過(guò)濾波器組提取頻譜特征，用計(jì)算機(jī)進(jìn)行匹配、計(jì)算和判決。計(jì)算機(jī)的使用在很大程度上加快了語(yǔ)音識(shí)別方法的研究。這期間出現(xiàn)了語(yǔ)音識(shí)別的幾個(gè)重要的思想，前蘇聯(lián)研究人員 Vintsyuk 提出使用動(dòng)態(tài)規(guī)劃來(lái)對(duì)齊兩個(gè)長(zhǎng)度不同的語(yǔ)音音段。盡管動(dòng)態(tài)時(shí)間彎折 (Dynamic Time Wrapping, DTW)概念的實(shí)質(zhì)和用 于連接詞識(shí)別的算法雛形已經(jīng)包含在 Vintsyuk 的研究工作中 [1， 2]，但這十年之中并沒(méi)有取得令人鼓舞的突破性進(jìn)展。 70 年代初， 日本學(xué)者板倉(cāng) (Itakura)提出了動(dòng)態(tài)時(shí)間規(guī)整 (DTW)技術(shù) [4]，使語(yǔ)音識(shí)別技術(shù)研究在匹配算法方面開(kāi)辟了新思路；中期的線性預(yù)測(cè)技術(shù) [5] (Linear Prediction, LP)被應(yīng)用于語(yǔ)音信號(hào)處理，然后隱馬爾可夫模型法 [6] (Hidden Markov Model, HMM)也獲得初步的成果，該技術(shù)在語(yǔ)音信號(hào)處理的多個(gè)方面獲得了巨大成果； 70 年代末 ，Linda、 Buzo、 Gray 和 Markel 等人首次解決了矢量量化 [7， 11] (Vector Quantization, VQ)碼書(shū)生成的方法，并首先將矢量量化技術(shù)用于語(yǔ)音編碼并且獲得了成功。這使得孤立詞發(fā)音和孤立詞發(fā)音的識(shí)別技術(shù)成為可行的生活實(shí)用技術(shù)。另外， 70 年代的里程碑是在 IBM 進(jìn)行了一個(gè)長(zhǎng)期持續(xù)的、頗有成效的大詞匯量連續(xù)語(yǔ)音識(shí)別研究的集體努力的成果。在這期間，貝爾實(shí)驗(yàn)室開(kāi)展了用于建立真正的非特定人語(yǔ)音識(shí)別系統(tǒng)的實(shí)驗(yàn)研究，提出了范圍較廣泛的一類(lèi)復(fù)雜的聚類(lèi)算法，用來(lái)確定能夠表示大量人群 的不同詞語(yǔ)的所有聲學(xué)變化的不同模式。這些研究為后來(lái)非特定人模式聚類(lèi)技術(shù)的研究奠定了基礎(chǔ)，現(xiàn)在已經(jīng)得到了廣泛的應(yīng)用。 繼 70年代的孤立詞語(yǔ)音識(shí)別研究后， 80 年代主要研究的是連接詞語(yǔ)音識(shí)別的問(wèn)題，由單個(gè)詞的模式串接在一起的短連接詞語(yǔ)音進(jìn)行匹配識(shí)別。識(shí)別的方法也逐漸從最初的模板匹配方法轉(zhuǎn)變到了統(tǒng)計(jì)模型方法，其中典型的統(tǒng)計(jì)方法代表是隱馬爾可夫模型，由于這種方法在結(jié)構(gòu)、參數(shù)和訓(xùn)練方法的選擇上有很大的靈活性，逐漸成為了語(yǔ)音識(shí)別技術(shù)的主流。 HMM 的理論基礎(chǔ)在 1970 年前后由 Baum 等人建立起來(lái)，隨后由 CMU 的 Baker 和 IBM 的 Jelinek 等人應(yīng)用于語(yǔ)音識(shí)別之中， HMM 模型的廣泛應(yīng)用歸功于貝爾實(shí)驗(yàn)室 Rabiner 等研究者的努力，他們把原來(lái)艱澀的純數(shù)學(xué)化的 HMM 模型工程化，讓從事語(yǔ)音處理的研究者更了解和熟悉，進(jìn)而成為公認(rèn)的一個(gè)研究熱點(diǎn) [1， 4,6,7]。隨著 HMM模型和人工神經(jīng)網(wǎng)絡(luò)等技術(shù)在語(yǔ)音識(shí)別中的廣泛應(yīng)用，科學(xué)家們已經(jīng)在實(shí)驗(yàn)室突破了單個(gè)詞匯量的識(shí)別，并且對(duì)大詞匯量、連續(xù)語(yǔ)音和非特定人的語(yǔ)音識(shí)別技術(shù)也取得了顯著 進(jìn)展。 90 年代以前，語(yǔ)音識(shí)別系統(tǒng)主要是在實(shí)驗(yàn)室中進(jìn)行的。 90 年代 后，隨著 IT 技術(shù)的迅速發(fā)展，多媒體時(shí)代的來(lái)臨，迫切需要語(yǔ)音識(shí)別系統(tǒng)走出實(shí)驗(yàn)室，走向人們的日常生活乃至工廠。發(fā)達(dá)國(guó)家如日本、美國(guó)等著名大公司（ IBM、 Apple、 ATamp。T、 NTT） 都為語(yǔ)音識(shí)別系統(tǒng)的實(shí)用化研究開(kāi)發(fā)投入巨大資金和人力，研制出大詞匯量語(yǔ)音識(shí)別系統(tǒng) [1，4,8]。如 IBM 的 ViaVoice 系統(tǒng)、劍橋大學(xué)的 HTK 系統(tǒng)、 DARGON 系統(tǒng)、 Microsoft 的 Whisper 系統(tǒng)等，這些語(yǔ)音識(shí)別系統(tǒng)代表著當(dāng)時(shí)語(yǔ)音識(shí)別的最高水平，同時(shí)結(jié)合自然語(yǔ)音處理技術(shù)，發(fā)展到基于自然口語(yǔ)識(shí)別、理 解的人機(jī)對(duì)話系統(tǒng)和不同語(yǔ)種的直接語(yǔ)音翻 譯設(shè)備。 國(guó)內(nèi)的語(yǔ)音識(shí)別研究開(kāi)始于 50 年代后期，中科院聲學(xué)所利用頻譜分析的方法成功研究出漢語(yǔ)的 10 個(gè)元音的語(yǔ)音識(shí)別， 70 年代后期，研究出了基于模板匹配的孤立詞語(yǔ)音識(shí)別系統(tǒng)。 80 年代后期，從 1987 年起國(guó)家“ 863”智能計(jì)算機(jī)的主題專(zhuān)家組委對(duì)語(yǔ)音識(shí)別技術(shù)立項(xiàng)，經(jīng)過(guò)二十多年的發(fā)展，漢語(yǔ)語(yǔ)音識(shí)別取得了國(guó)內(nèi)前所未有的成果，研究水平已經(jīng)與國(guó)際同步，在漢語(yǔ)語(yǔ)音識(shí)別的技術(shù)上還有自己的特點(diǎn)和優(yōu)勢(shì)。越來(lái)越多的大學(xué)和科研院所紛紛作出響應(yīng)，加大投資，加入到語(yǔ)音識(shí)別的研究行列，大 大推動(dòng)了漢語(yǔ)語(yǔ)音識(shí)別技術(shù)的發(fā)展。清華大學(xué)電子工程系研究的語(yǔ)音識(shí)別系統(tǒng)以 1183 個(gè)單音節(jié)詞作為識(shí)別單元，它采用的是分段概率的模型，對(duì)詞的組成音節(jié)進(jìn)行仔細(xì)的分解，最后用搜索匹配算法來(lái)計(jì)算整體的識(shí)別率，使二字詞和三字詞的識(shí)別率達(dá)到 %。北京中科院自動(dòng)化系研究所的模式識(shí)別實(shí)驗(yàn)室將漢語(yǔ)的音節(jié)切分成韻母和聲母，并結(jié)合聲調(diào)信息，然后進(jìn)行識(shí)別。其中聲母識(shí)別采用 CHMM 模型，聲調(diào)識(shí)別采用感知神經(jīng)網(wǎng)絡(luò)模型，整個(gè)系統(tǒng)識(shí)別率高達(dá) %，聲調(diào)識(shí)別率為 %，詞的識(shí)別率為 95% [1， 4,8]。鑒于中國(guó)龐 大的市場(chǎng)，國(guó)外也非常重視漢語(yǔ)語(yǔ)音識(shí)別的研究。但漢語(yǔ)數(shù)字語(yǔ)音識(shí)別技術(shù)由于漢語(yǔ)數(shù)字語(yǔ)音存在高混淆的問(wèn)題，使得其進(jìn)展相當(dāng)緩慢，再加上漢語(yǔ)獨(dú)特的單音節(jié)特征和多方言語(yǔ)種等問(wèn)題使得漢語(yǔ)數(shù)字識(shí)別系統(tǒng)在噪聲環(huán)境下仍然具有很大難度，任務(wù)艱巨。 虛擬儀器（ Virtual Instrument，簡(jiǎn)稱(chēng) VI）是現(xiàn)代計(jì)算機(jī)技術(shù)和儀器技術(shù)相結(jié)合的產(chǎn)物，是目前計(jì)算機(jī)輔助測(cè)試（ CAT）領(lǐng)域的一項(xiàng)重要技術(shù)。虛擬儀器是計(jì)算機(jī)硬件資源、虛擬儀器軟件資源和儀器與測(cè)控系統(tǒng)硬件資源三者的有效結(jié)合。 所謂虛擬儀器，就是以通用計(jì)算機(jī)為核 心，借助這個(gè)硬件平臺(tái)，由用戶(hù)自己設(shè)計(jì)定義，其具有虛擬面板并且測(cè)試功能由測(cè)試軟件實(shí)現(xiàn)的一種計(jì)算機(jī)儀器系統(tǒng)。使用者只要用鼠標(biāo)點(diǎn)擊虛擬面板，就可以操作這臺(tái)計(jì)算機(jī)系統(tǒng)硬件平臺(tái)，就如同使用一臺(tái)專(zhuān)用的測(cè)量?jī)x器。 虛擬儀器的特點(diǎn)可歸納為： （ 1）在通用硬件平臺(tái)確定后，由軟件取代傳統(tǒng)儀器中 的硬件來(lái)完成儀器的功能。 （ 2）儀器的功能是由用戶(hù)根據(jù)需要由軟件來(lái)定義的，而不是事先由廠家定義好的。 （ 3）儀器性能的改進(jìn)和功能擴(kuò)展只需進(jìn)行相關(guān)軟件的設(shè)計(jì)更新，而不需購(gòu)買(mǎi)新的儀器。 （ 4）研制周期較傳統(tǒng)儀器大為縮短。 （ 5）虛擬儀器開(kāi)放、靈活，可與計(jì)算機(jī)同步發(fā)展，可與網(wǎng)絡(luò)及其它周邊設(shè)備互聯(lián)。 決定虛擬儀器具備傳統(tǒng) 儀器不可能具備的上述特點(diǎn)的根本原因在于：“虛擬儀器的關(guān)鍵是軟件”。 LABVIEW（ Laboratory Virtual Instrument Engineering Workbench，實(shí)驗(yàn)室虛擬儀器工程平臺(tái)）是美國(guó) NI 公司 (National Instrument Company)推出的一種基于 G語(yǔ)言（ Graphics Language，圖形化編程語(yǔ)言）的虛擬儀器軟件開(kāi)發(fā)工具。虛擬儀器的構(gòu)成，如圖 所示： 顯 示 器信 號(hào) 分 析 及 處 理數(shù) 據(jù) 發(fā) 生 器A / D 轉(zhuǎn) 換 器D / A 轉(zhuǎn) 換 器信 號(hào) 調(diào) 理 器 信 號(hào) 調(diào) 理 器信 號(hào) 調(diào) 理 器各 類(lèi) 接 口人 機(jī) 接 口信 號(hào) 輸 入信 號(hào) 輸 出 圖 虛擬儀器的構(gòu)成 LABVIEW 軟件工具的特點(diǎn)可歸納為： （ 1） 圖形化的編程方式，無(wú)須寫(xiě)任何文本格式的代碼，是真正的工程師語(yǔ)言。 （ 2） 提供了豐富的數(shù)據(jù)采集、分析及存儲(chǔ)的庫(kù)函數(shù)。 （ 3） 既提供了傳統(tǒng)的程序調(diào)試手段，如設(shè)置斷點(diǎn)、單步運(yùn)行，同時(shí)又提供了獨(dú)到的高亮執(zhí)行工具，使程序動(dòng)畫(huà)式運(yùn)行，利于設(shè)計(jì)者觀察程序運(yùn)行的細(xì)節(jié)，使程序的調(diào)試和開(kāi)發(fā)更為便捷。 （ 4） 32bit 的編譯器編譯生成 32bit 的編譯程序，保證數(shù)據(jù)采集、測(cè)試和測(cè)量方案的高速執(zhí)行。 （ 5） 囊括了 DAQ、 GPIB、 PXI、 VXI在內(nèi)的各種儀器通信總線標(biāo)準(zhǔn)的所有功能函數(shù)，使得 不懂總線標(biāo)準(zhǔn)的開(kāi)發(fā)者也能夠驅(qū)動(dòng)不同總線標(biāo)準(zhǔn)接口設(shè)備與儀器。 （ 6） 提供大量與外部代碼或軟件進(jìn)行連接的機(jī)制，諸如 DLLs（動(dòng)態(tài)連接庫(kù)）、 DDE（共享庫(kù)）、 ActiveX 等。 用 LABVIEW 設(shè)計(jì)的虛擬儀器控制系統(tǒng)主要包括三個(gè)部分： （ 1） 儀器前面板的設(shè)計(jì) 儀器前面板的設(shè)計(jì)是指在虛擬儀器的開(kāi)發(fā)平臺(tái)上，利用各類(lèi)子模板圖標(biāo)創(chuàng)建用戶(hù)界面，即虛擬儀器的前面板。 （ 2） 儀器流程和算法的設(shè)計(jì) 儀器流程和算法的設(shè)計(jì)是根據(jù)儀器功能的要求，利用虛擬儀器開(kāi)發(fā)平臺(tái)所提供的子模板，確定程序的流程圖、所實(shí)現(xiàn)的技術(shù)方法和主要的處理算法。 （ 3） I/O 接口儀器驅(qū)動(dòng)程序的設(shè)計(jì) I/O 接口儀器驅(qū)動(dòng)程序是控制硬件設(shè)備的驅(qū)動(dòng)程序，也是連接主控計(jì)算機(jī)與儀器設(shè)備的紐帶。 用 LABVIEW 設(shè)計(jì)的虛擬儀器系統(tǒng)可脫離 LABVIEW 開(kāi)發(fā)環(huán)境，最終用戶(hù)看見(jiàn)的是和實(shí)際的硬件儀器相似的操作面板。 MATLAB 語(yǔ)言 MATLAB 語(yǔ)言 [1]是在 20 世紀(jì) 80 年代初期，由美國(guó)的 Math Works 軟件開(kāi)發(fā)公司推出的一種信號(hào)圖像處理的數(shù)學(xué)工具軟件。它擁有功能全面的函數(shù)庫(kù)，為了讓用戶(hù)脫離了復(fù)雜繁瑣的程序計(jì)算過(guò)程，把大量的函數(shù)封裝起來(lái)，大大提高了工作效率。利用 MATLAB可以實(shí)現(xiàn)符號(hào)運(yùn)算、科學(xué)計(jì)算、算法研究、數(shù)據(jù)分析和可視化、數(shù)學(xué)建模和仿真、圖形用戶(hù)界面設(shè)計(jì)以及科學(xué)工程繪圖等強(qiáng)大功能。同時(shí) MATLAB 為用戶(hù)提供了豐富而實(shí)用的資源，它涵蓋了許多門(mén)類(lèi)的科學(xué)研究，如控制、通信、數(shù)學(xué)、經(jīng)濟(jì)、地理、數(shù)字信號(hào)處理和數(shù)字圖像處理等。其主要特點(diǎn)有： （ 1） 先進(jìn)的技術(shù)界面支持 MATLAB 給用戶(hù)提供的是一種最直觀、最簡(jiǎn)潔的程序開(kāi)發(fā)環(huán)境。用 MATLAB 編程時(shí)，就如同在現(xiàn)實(shí)中的便簽上列公式和求解一樣。 （ 2） 開(kāi)放式的體系結(jié)構(gòu) 除了內(nèi)部函數(shù)外，所有的 MATLAB 主包文件和各工具 包文件都是對(duì)用戶(hù)開(kāi)放的源程序文件，用戶(hù)可以通過(guò)修改源程序文件來(lái)構(gòu)成新的適合自己使用的專(zhuān)用工具包。 （ 3） 簡(jiǎn)單易學(xué) 與 FORTRAN 和 C 語(yǔ)言等高級(jí)語(yǔ)言相比較， MATLAB 語(yǔ)法規(guī)則簡(jiǎn)單，語(yǔ)言的思維特點(diǎn)更符合人們?cè)趯?shí)際應(yīng)用中的習(xí)慣。 （ 4） 豐富的函數(shù)工具箱 提供專(zhuān)門(mén)的對(duì)語(yǔ)音信號(hào)進(jìn)行處理的工具箱。 對(duì)于比較簡(jiǎn)單的和“一次性”的問(wèn)題，通過(guò)在直欞窗中直接輸入一組指令求解是比較簡(jiǎn)便、快捷的。但是當(dāng)待解決問(wèn)題所需的指令較多而且所用指令結(jié)構(gòu)較復(fù)雜時(shí)，或者當(dāng)一組指令通過(guò)改變少量參數(shù)就可以被反復(fù)使用去解決不同問(wèn)題 時(shí)，直接在直欞窗中輸入指令的方法就顯得累贅、繁瑣和笨拙。設(shè)計(jì) M腳本文件就是用來(lái)解決這個(gè)矛盾的。 M腳本文件是指： （ 1） 對(duì)于解決同一個(gè)問(wèn)題，在文件中的指令形式和前后位置與在指令窗中輸入的那組指令毫無(wú)任何區(qū)別。 （ 2） MATLAB 在運(yùn)行這個(gè)腳本時(shí)，簡(jiǎn)單地從文件中讀取那一條條指令，然后送到MATLAB 中去運(yùn)行。 （ 3） 與在指令窗中直接運(yùn)行質(zhì)量一樣，腳本文件運(yùn)行時(shí)產(chǎn)生的變量都駐留在 MATLAB基本工作空間中。 （ 4） 文件的擴(kuò)展名是“ .m”。其具體步驟如下： 1)