基于差别子空间语音识别方法.pptVIP

博士论文答辩 报告主要内容 语音信号处理的领域—语音识别 起源于上个世纪五十年代 七十年代初—Itakura(日本)提出DTW(Dynamic Time Warping), CMU—Hearsay-II，Harpy 八十年代初—矢量量化技术(Vector Quantization)，HMM(Hidden Markov Model)—把声学-语言学-句法等统计知识集中在一个统一框架中，CMU—SPHINX系统，采用VQ/HMM 九十年代—ANN(Artificial Neural Network), ANN和HMM相结合，1997，IBM-Viavoice 语音信号处理的领域—语音合成 起源：1835年由W.von Kempelen发明，经威斯顿改进的机械式的会讲话的机器。 20世纪70年代末TTS(Text to Speech)——用最基本的语音单元（如音节或半音节）作为合成单元，通过拼接进行合成 80年代，D.Klatt设计的串/并联混合型共振峰合成器 ，可以产生七种不同音色的语音，包括模拟不同年龄、性别和个性的说话人的语音 90年代末，日本的研究者提出了一种多样本、不等长语音拼接合成技术PSOLA，在语音库中存放了大量的真人语音样本，通过选择合适的拼接语音片段来实现高质量的合成语音。 目前，语音合成产品具有很高的可懂度，自然度还不尽人意 语音信号处理的领域—语音编码 起源于1939年Dudley发明的声码器 20世纪70年代起,国外开始研究计算机网络上的语音通信，当时主要是基于ARPANET网络平台进行的研究和实验，线性预测编码LPC,数码率3.5kb/s 80年代的研究主要集中在局域网上的语音通信，因为带宽可达Mb/s量级的价格较为低廉的以太网的出现，英国剑桥大学于1982年在10Mb/s的剑桥环形网上进行,LPC-10,数码率2.4kb/s 90年代，随着Internet在全球范围内的兴起和语音编码技术的发展，IP分组语音通信技术获得了突破性的进展和实际应用，最初在网络游戏等软件包中传送和存储语音信息，90年代中期开始，实现局域网内PC间的语音通信以及经PBX和外界电话的通信，VoIP(IP电话) G.723.1,G.729等,有的算法最低数码率可达 1.2kb/s以下 语音信号处理的领域—说话人识别 起源：在第二次世界大战期间，美国国防部向贝尔实验室提出的课题。 说话人识别研究的早期工作，主要集中在人耳听辨实验方面。 话者识别技术按其识别任务可以分为两类：话者辨认（Speaker Identification）和话者确认（Speaker Verification）。 根据识别对象的不同，还可将话者识别分为三类，即与文本有关（Text–Dependent）、与文本无关（Text-Independent）和文本提示型（Text-Prompted）。 ATT应用说话人识别技术研制出了智慧卡，已应用于自动提款机。欧洲电信联盟于1998年完成了CAVE计划，在电信网上进行说话人识别。 海湾战争，萨达姆讲话 语音信号处理的领域—其他 音频信息检索-多媒体，哼唱检索，广告监播 语音训练与校正—计算机辅助语言学习（Computer-Aided Language Learning，简称CALL） 语种识别（Language Identification）-应用于多语言语音识别的前端处理 基于语音的情感处理研究 嵌入式的语音识别技术 语音信号处理的应用 语音识别技术 声控应用 ：声控电话转换、声控语音拨号系统、声控智能玩具、信息网络查询、家庭服务、宾馆服务、旅行社服务系统、医疗服务、银行服务、股票查询服务、工业控制等 听写机 ：声控打字机 自动口语翻译 ：将口语识别技术、机器翻译技术、语音合成技术等结合，可将一种语言输入的语音翻译为另一种语言的语音输出，实现跨语言的交流 广播新闻的自动文摘技术、自动誊写技术 语音信号处理的应用 说话人识别技术 安全加密、银行信息电话查询服务 公安机关破案和法庭取证 语音合成技术 公共交通中的自动报站、各种场合的自动报时、自动告警、电话自动查询服务、文本校对中的语音提示等 电信声讯服务领域的智能电话查询系统 ，查询一些动态信息，如股票、成绩、节目、热点问题、机场、车站、购物、市场、售后服务等信息 用于基于微型机的办公、教学、娱乐等智能多媒体软件，如文稿校对、语音学习（帮助外国人、残疾人、儿童等学习语言）、语音秘书、语音书籍、教学软件、语音玩具等。 文本朗读，有声新闻，语音合成技术与机器翻译技术相结合，可以实现语音翻译；与图像技术相结合，可以输出视觉语音（visual speech） 语音信号处理的应用 语音编码技术 语音通信数字化：数字通信系统、