基于HMM的连续语音识别系统的构建与研究.pdfVIP

第25卷　 第2期 长　 春　 大　 学　 学　 报 Vol.25　 No.2 　 2015年2月 JOURNAL OF CHANGCHUN UNIVERSITY Feb. 2015　 基于 HMM的连续语音识别系统的构建与研究 刘妍秀, 付海东 (长春大学　 教务处, 长春　 130022) 摘　 要:通过阐述连续语音识别系统的结构组成,根据一般的语音识别流程,采用HTK 工具应用HMM方法,设计 并实现了一个连续语音识别系统。 通过该系统进行连续语音识别测试及分析。 关键词:HMM;连续语音识别;HTK 中图分类号:TP912.32　 　 　 文献标志码:A　 　 　 文章编号:1009-3907(2015)02-0032-04 　 　 在各种交流方式中,最为快捷的方式就是用语音进行交流。 一直以来,人们最大的梦想就是能与所使用 的设备直接进行语音交流,期望使用语音作为一种接口,通过语音命令让设备完成相应的动作。 语音技术就 [1] 是通过对人类的语音信号信息进行一系列的处理,让这些设备和机器能够正确识别和理解 。 随着语音识 别的应用需求不断增加,语音识别技术正逐步成为人机交互中的关键技术。 本文构建的语音识别系统是非 特定人、大词汇量、基于隐马尔可夫模型的连续语音识别系统。 系统在linux系统下使用HTK开发工具建立 连续语音识别模型,通过该系统进行连续语音识别的测试及分析。 1　 系统的结构组成 语音识别系统的一般流程主要分为建模过程和识别过程,图1描述了语音识别系统的一般流程,首先对 语音进行信号处理并提取语音特征,建模时对语音特征进行分类,识别时将待识别特征与模型进行对比得到 [2] 分析结果。 图1中虚线以上描述的是建模部分,虚线以下描述的是识别部分 。 图1　 语音识别系统的结构组成 我们的识别系统是一个独立于说话人的、大词汇量的、基于隐马尔可夫模型的连续语音识别系统。 整个 系统使用HTK来建立语音识别模型,HTK是一种基于HMM 的语音处理工具。 利用HTK通过一系列的修 改和演进,使得识别系统的性能得到了大幅度提升。 整个系统的工作流程有以下4个步骤:第一,准备数据也称预处理。 是对音频数据进行音素级的标注, 先将连续语音发音的罗马字用perl脚本工具和Hled进行标注,再用辅助工具将各个音素的开始帧与结束帧 进行划分,并存储在文件中。 第二,特征提取。 编码实现信号处理,信号增强,补偿和降噪处理等技术,并形 成物理音素的三元音素网络。 第三,声学建模。 是通过三元音素网络和语音的MFCC一起训练得到,并且融 合高斯混合数进来进行状态分类,最终得到约有2000个状态的HMM声学模型。 第四,语音识别。 用语音 [3] 识别引擎julius进行语音识别 。 图2显示的是连续语音识别系统的结构。 整个系统是由很多模块构成的,这些模块通过一组参数文件 相结合。 整个系统大致可以分为四个部分:数据准备部分提供语音文件和与语音对应的文本文件;特征提取 收稿日期:2014-11-12 基金项目:吉林省科技厅自然科学基金项目(20140101227JC);吉林省教育科学“十二五”规划课题(GH14249) 作者简介:刘妍秀(1984-),女,吉林长春人,实验师,硕士,主要从事计算机语音识别方面的研究。 第2期　 　 　 　 　 　 　 　 　 　 　 　 　 　 刘妍秀,等:基于HMM 的连续语音识别系统的构建与研究 33 部分为MFCC特征提取以及语音信号去噪;训练部分为根据音素列表和MFCC特征生成声学模型;识别部分 使用JULIUS进行模型测试。 图2　 连续语音识别系统的结构 2　 模型建立 连续语音识别声学模型的建立采用比较流行的HMM方式,建模时选取音素而不是