【正文】 問(wèn)題等，都會(huì)影響識(shí)別的準(zhǔn)確性。 語(yǔ)音識(shí)別技術(shù)面臨的技術(shù)難點(diǎn)及對(duì)策 語(yǔ)音識(shí)別面臨的主要困難是理論上沒(méi)有突破，雖然各種新的修正方法不斷涌現(xiàn)，但其普遍適用性都值得商榷。 這些能力是 HMM 模型不具備的 ， 但 ANN又不具有 HMM 模型的動(dòng)態(tài)時(shí) 間歸正性能。 人工神經(jīng)元網(wǎng)絡(luò)（ ANN） 人工神經(jīng)元網(wǎng)絡(luò)在語(yǔ)音識(shí)別中的應(yīng)用是現(xiàn)在研究的又一熱點(diǎn)。段長(zhǎng)分布函數(shù)的引入澄清了經(jīng)典 HMM 語(yǔ)音識(shí)別模型的許多矛盾 ， 這使得 DDBHMM比國(guó) 際 上流行的 HMM 語(yǔ)音識(shí)別模型有更好的識(shí)別性能和更低的計(jì)算復(fù)雜度（訓(xùn)練算法比流行的Baum 算法復(fù)雜度低兩個(gè)數(shù)量級(jí)）。正是這種狀態(tài)長(zhǎng)度分布的相對(duì)平穩(wěn)性破壞了 HMM 模型的齊次性結(jié)構(gòu)，而王作英教授提出 的 DDBHMM模型解決了這一缺陷。 改進(jìn)的 HMMDDBHMM 王作英教授提出了一個(gè)基于段長(zhǎng)分布的非齊次隱含馬爾可夫模型 DDBHMM， 以此理論為指導(dǎo)所設(shè)計(jì)的語(yǔ)音識(shí)別聽(tīng)寫機(jī)系統(tǒng)在 1998 年的全國(guó)語(yǔ)音識(shí)別系統(tǒng)評(píng)測(cè)中取得冠 軍，從而顯示了這一新模型的生命力和在這一研究領(lǐng)域內(nèi)的領(lǐng)先水平。一般來(lái)講， 在訓(xùn)練數(shù)據(jù)足夠的情況下， CHMM 優(yōu)于 DHMM 和 SCHMM。模型參數(shù)包括 HMM 拓?fù)浣Y(jié)構(gòu)、狀態(tài)轉(zhuǎn)移概率及描述觀察符號(hào)統(tǒng)計(jì)特性的一組隨機(jī)函數(shù)。隱蔽Markov鏈的特征要靠可觀測(cè)到的信號(hào)特征揭示。 但同樣只適用孤立詞而不適合連續(xù)語(yǔ)音大詞匯量語(yǔ)音識(shí)別 。 但因其不適合連續(xù)語(yǔ)音大詞匯量語(yǔ)音識(shí)別系統(tǒng) ， 目前已被 HMM 模型和 ANN 代替 。 語(yǔ)音識(shí)別的幾種基本方法 語(yǔ)音識(shí)別方法主要有動(dòng)態(tài)時(shí)間歸正技術(shù) （ DTW） 、 矢量量化技術(shù) （ VQ） 、 隱馬爾可夫模型 （ HMM） 、 基于段長(zhǎng)分布的非齊次隱含馬爾可夫模型 （ Duration Distribution Based Hidden Markov Model， DDBHMM） 和人工神經(jīng)元網(wǎng)絡(luò) （ ANN） 。 在訓(xùn)練階段，將特征參數(shù)進(jìn)行預(yù)處理后，每個(gè)詞條都得到一個(gè)模型，保存為模板庫(kù)。 2) 各階參數(shù)具有良好的區(qū)分性。語(yǔ)音信號(hào)經(jīng)過(guò)預(yù)處理后，重要的一環(huán)就是特征參數(shù)的提取。清晰度和廣泛度越高的模板庫(kù)可以更好的提高語(yǔ)音識(shí)別的準(zhǔn)確率。模式匹配是整個(gè)語(yǔ)音識(shí)別系統(tǒng)的核心，是根據(jù)一定的準(zhǔn)則以及專家知識(shí)（例如構(gòu)詞規(guī)則、語(yǔ)法規(guī)則、語(yǔ)義規(guī)則等），計(jì)算輸入特征與庫(kù)存模式之間的相似度，判斷出輸入語(yǔ)音的語(yǔ)意信息 ，斷定相似度最高的模板為輸入的語(yǔ)音信息 。特征提取部分用于提取語(yǔ)音中反映本質(zhì)特征的聲學(xué)參數(shù)，常用的特征有短時(shí)平均能量或幅度、短時(shí)平均跨零率、短時(shí)自相關(guān)函數(shù)、線性預(yù)測(cè)系數(shù)、清音 /濁音標(biāo)志、基音頻率、短時(shí)傅立葉變換、倒譜、共振峰等。 圖 11 語(yǔ)音識(shí)別原理圖 該圖中， 待識(shí)別語(yǔ)音先經(jīng)話筒變換成語(yǔ)音信號(hào)，然后從識(shí)別系統(tǒng)前端輸入，再進(jìn)行預(yù)處理。根據(jù)這個(gè)原理，未知語(yǔ)音的模式要與已知語(yǔ)音的參考模式逐一進(jìn)行比較，最佳匹配的參考模式被作為識(shí)別結(jié)果。這些不同的限制也確定了語(yǔ)音識(shí)別系統(tǒng)的困難度。隨著計(jì)算機(jī)與數(shù)字信號(hào)處理器運(yùn)算能力以及識(shí)別系統(tǒng)精度的提高，識(shí)別系統(tǒng)根據(jù)詞匯量大小進(jìn)行分類也不斷進(jìn)行變化。（ 3）大詞匯量語(yǔ)音識(shí)別系統(tǒng)。（ 2）中等詞 匯量的語(yǔ)音識(shí)別系統(tǒng)。 如果從識(shí)別系統(tǒng)的詞匯量大小考慮，也可以將識(shí)別系統(tǒng)分為三類：（ 1）小詞匯量語(yǔ)音識(shí)別系統(tǒng)。（ 3）連續(xù)語(yǔ)音識(shí)別系統(tǒng)。（ 2）連接詞語(yǔ)音識(shí)別系統(tǒng)。 如果從說(shuō)話的方式考慮，也可以將識(shí)別系統(tǒng)分為三類：（ 1）孤立詞語(yǔ)音識(shí)別系統(tǒng)。（ 3）多人的識(shí)別系統(tǒng)。（ 2）非特定人語(yǔ)音系統(tǒng)。如果從說(shuō)話者與識(shí)別系統(tǒng)的相關(guān)性考慮，可以將識(shí)別系統(tǒng)分為三類：（ 1）特定人語(yǔ)音識(shí)別系統(tǒng)。我國(guó)中科院自動(dòng)化所研制的非特定人、連續(xù)語(yǔ)音聽(tīng)寫系統(tǒng)和漢語(yǔ)語(yǔ)音人機(jī)對(duì)話 系統(tǒng)，其準(zhǔn)確率和系統(tǒng)響應(yīng)率均可達(dá) 90%以上。國(guó)內(nèi)中科院的自動(dòng)化所、聲學(xué)所以及清華大學(xué)等科研機(jī)構(gòu)和高校都在從事語(yǔ)音識(shí)別領(lǐng)域的研究和開(kāi)發(fā)。在軟件 上，目前比較成功的語(yǔ)音識(shí)別軟件 有： Nuance、 IBM 的 Viavoice 和 Microsoft 的 SAPI 以及開(kāi)源軟件 HTK，這些軟件都是面向非特定 人 大詞匯量的連續(xù)語(yǔ)音識(shí)別系統(tǒng)。 進(jìn)入 21 世紀(jì)，隨著消費(fèi)類電子產(chǎn)品的普及 ， 嵌入式語(yǔ)音處理技術(shù)發(fā)展迅速。同時(shí)漢語(yǔ)語(yǔ)音識(shí)別也越來(lái)越受到重視。許多發(fā)達(dá)國(guó)家如美國(guó)、日本、韓國(guó)以及 IBM、 Apple、 ATamp。這是世界上第 1 個(gè)高性能的非特定人、大詞匯量、連續(xù)語(yǔ)音識(shí)別系統(tǒng)。 80 年代語(yǔ)音識(shí)別研究進(jìn)一步走向深入： HMM 模型和人工神經(jīng)網(wǎng)絡(luò) (ANN)在語(yǔ)音識(shí)別中成功應(yīng)用。 60 年代，蘇聯(lián)的 Matin 等提出了語(yǔ)音結(jié)束點(diǎn)的端點(diǎn)檢測(cè)，使語(yǔ)音識(shí)別水平明顯上升； Vintsyuk 提出了動(dòng)態(tài)編程，這一提法在以后的識(shí)別中不可或缺。 畢業(yè)設(shè)計(jì)（論文）報(bào)告紙 共 50 頁(yè) 第 4 頁(yè) ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 第一章 語(yǔ)音識(shí)別簡(jiǎn)介 語(yǔ)音識(shí)別的研究歷史及現(xiàn)狀 語(yǔ)音識(shí)別的研究工作始于 20 世紀(jì) 50 年代， 1952 年 Bell實(shí)驗(yàn)室開(kāi)發(fā)的 Audry 系統(tǒng)是第一個(gè)可以識(shí)別 10 個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng)。國(guó)外已有多種基于語(yǔ)音識(shí)別產(chǎn)品如聲控?fù)芴?hào)電話、語(yǔ)音記事本等已經(jīng)應(yīng)用，基于特定任務(wù)和環(huán)境的聽(tīng)寫機(jī)也已經(jīng)進(jìn)入應(yīng)用 階段，這預(yù)示著語(yǔ)音識(shí)別技術(shù)有著非常廣泛的應(yīng)用領(lǐng)域和市場(chǎng)前景。語(yǔ)音識(shí)別技術(shù)進(jìn)一步成熟，語(yǔ)音識(shí)別系統(tǒng)從實(shí)驗(yàn)室走向?qū)嵱谩?80 年代，實(shí)驗(yàn)室語(yǔ)音識(shí)別研究產(chǎn)生了巨大突破，一方面各種連接詞語(yǔ)音識(shí)別算法被開(kāi)發(fā)，例如多級(jí)動(dòng)態(tài)規(guī)劃語(yǔ)音識(shí)別算法；另一方面語(yǔ)音識(shí)別算法從模板匹配技術(shù)轉(zhuǎn)向基于統(tǒng)計(jì)模型技術(shù)，研究從微觀轉(zhuǎn)向宏觀，從統(tǒng)計(jì)的角度來(lái)建立最佳的語(yǔ) 音識(shí)別系統(tǒng)。 70 年代，語(yǔ)音識(shí)別領(lǐng)域取得了突破。 60 年代，計(jì)算機(jī)的應(yīng)用推動(dòng)了語(yǔ)音識(shí)別的發(fā)展。隨著計(jì)算機(jī)軟硬件和信息技術(shù)的飛速發(fā)展，這種想法更加明顯，人們?cè)絹?lái)越迫切要求擺脫鍵盤的束縛而代之以語(yǔ)音輸入這樣便于使用的、自然的、人性化的輸入方式。 49 畢業(yè)設(shè)計(jì)（論文）報(bào)告紙 共 50 頁(yè) 第 3 頁(yè) ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 引言 語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解過(guò)程把人類的語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，屬于多維 模式識(shí)別和智能計(jì)算機(jī)接口的范疇。 41 程序 40 程序 37 程序 30 第六章 matlab 編程結(jié)果 30 搜索寬度限制 27 DTW 算法原理 23 MFCC 系數(shù) 22 lpc 系數(shù)的基本計(jì)算原理 22 LPC 和 LPCC 系數(shù) 18 第四章 語(yǔ)音識(shí)別參數(shù)提取 16 計(jì)算短時(shí)過(guò)零率 15 雙門限端點(diǎn)檢測(cè) 14 短時(shí)能量 13 端點(diǎn)檢測(cè)概述 12 窗函數(shù)的三種主要類型 12 窗函數(shù)的定義 8 分幀 5 語(yǔ)音識(shí)別的基本構(gòu)成 4 語(yǔ)音識(shí)別系統(tǒng)的基本原理 1 第一章 語(yǔ)音識(shí)別簡(jiǎn)介 畢業(yè)設(shè)計(jì)（論文）報(bào)告紙 共 50 頁(yè) 第 1 頁(yè) ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 目 錄 目 錄 4 語(yǔ)音識(shí)別的研究歷史及現(xiàn)狀 4 語(yǔ)音識(shí)別系統(tǒng)的分類 6 語(yǔ)音識(shí)別的幾種基本方法 6 改進(jìn)的 HMMDDBHMM 7 人工神經(jīng)元網(wǎng)絡(luò)（ ANN） 7 語(yǔ)音識(shí)別技術(shù)面臨的技術(shù)難點(diǎn)及對(duì)策 7 第二章 語(yǔ)音信號(hào)的預(yù)處理 8 概述 10 預(yù)加重 11 加窗 12 窗函數(shù)的選擇 13 第三章 端點(diǎn)檢測(cè) 15 短時(shí)過(guò)零率 16 程序?qū)崿F(xiàn) 16 計(jì)算短 時(shí)能量 17 端點(diǎn)的截取 22 lpc 及 lpcc 系數(shù)的簡(jiǎn)介 24 第五章 DTW 算法實(shí)現(xiàn) 27 模式的匹配 28 DTW 算法改進(jìn) 30 放寬端點(diǎn)限制 31 實(shí)驗(yàn)程序文件 32 語(yǔ)音識(shí)別仿真結(jié)果 32 結(jié) 論 34 致 謝 34 參考文獻(xiàn) 36 附 錄 37 畢業(yè)設(shè)計(jì)（論文）報(bào)告紙 共 50 頁(yè) 第 2 頁(yè) ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 裝 ┊ ┊ ┊ ┊ ┊ 訂 ┊ ┊ ┊ ┊ ┊ 線 ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ ┊ 程序 43 程序 44 函數(shù)程序 其研究目標(biāo)是讓計(jì)算機(jī) “ 聽(tīng)懂 ” 人類口述的語(yǔ)言 ， 這是人類自計(jì)算機(jī)誕生以來(lái)夢(mèng)寐以求的想法。 語(yǔ)音識(shí)別起源于 20世紀(jì) 50年代 AT＆ T貝爾實(shí)驗(yàn)室的 Audry 系統(tǒng)， 它第一次實(shí)現(xiàn)了10 個(gè)英文數(shù)字的語(yǔ)音識(shí)別，這是語(yǔ)音識(shí)別研究工作的開(kāi)端。這時(shí)期的重要成果是提出了動(dòng)態(tài)規(guī)劃和線性預(yù)測(cè)分析技術(shù)（ LP），其 中后者較好地解決了語(yǔ)音信號(hào)產(chǎn)生模型的問(wèn)題，對(duì)語(yǔ)音識(shí)別的發(fā)展產(chǎn)生了深遠(yuǎn)影響。 LP 技術(shù)得到進(jìn)一步發(fā)展，動(dòng)態(tài)時(shí)間歸正技術(shù)（ DTW）基本成熟，特別是提出了矢量量化（ VQ）和隱馬爾可夫模型（ HMM）理論， 并實(shí)現(xiàn)了基于線性預(yù)測(cè)倒譜和 DTW 技術(shù)的特定人孤立語(yǔ)音識(shí)別系統(tǒng)。進(jìn)入90 年代以后， 人工神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用成為語(yǔ)音識(shí)別的一條新途徑， 它具有自適應(yīng)性、并行性、非線性、魯棒性、容錯(cuò)性和學(xué)習(xí)特性，在結(jié)構(gòu)和算法上都顯示出了很大的潛力，而且還在細(xì)化模型的設(shè)計(jì)、參數(shù)提取和優(yōu)化 ,以及系統(tǒng)的自適應(yīng)技術(shù)上取得了關(guān)鍵進(jìn)展。 語(yǔ)音識(shí)別技術(shù)是非常重要的人機(jī)交互技術(shù)，應(yīng)用語(yǔ)音的自動(dòng)理解和翻譯，可消除人類相互交往的語(yǔ)言障礙。隨著語(yǔ)音技術(shù)的進(jìn)步和通信技術(shù)的飛速發(fā)展，語(yǔ)音識(shí)別技術(shù)將為網(wǎng)上會(huì)議、商業(yè)管理、醫(yī)藥衛(wèi)生、教育培訓(xùn)等各個(gè)領(lǐng)域帶來(lái)極大的便利。 1959 年