语音识别技术学习：原理部分.pdfVIP

语音识别技术学习：原理部分 FOROSS wushexu@163.com 2013/12 1 概述 4 1.1 语音识别 4 1.2 语音识别的分类方法 4 1.2.1 按词汇量大小分 4 1.2.2 按发音方式分 5 1.2.3 按说话人分 5 1.2.4 从语音识别的方法分 5 1.3 语音识别的主要方法 5 1.4 学习资源 6 2 HMM 与语音识别 8 2.1 马尔可夫链 8 2.2 隐马尔可夫模型 （HMM ） 9 2.2.1 一个具体例子 10 2.2.2 三个基本问题 12 2.3 离散、连续和半连续的HMM 16 2.3.1 离散HMM 16 2.3.2 连续HMM 16 2.3.3 半连续HMM 17 2.4 HMM 实现、训练中的问题 18 2.4.1 拓扑结构 18 2.4.2 初始模型选取 18 2.4.3 数据下溢问题 19 2.4.4 训练数据的不足 19 2.4.5 处理说话人的影响 19 3 语音识别系统 21 3.1 一般过程 21 3.2 基于HMM 的基本架构 22 3.3 信号处理、特征分析 22 3.3.1 数字化 23 3.3.2 时域分析 24 3.3.3 频域分析 25 3.4 特征提取 25 3.4.1 线性预测系数 （LPC） 25 3.4.2 倒谱系数 25 3.4.3 梅尔频率倒谱系数 （MFCC） 26 3.4.4 感知线性预测 （PLP） 26 3.5 矢量量化 26 3.6 后续步骤 28 4 声学、语言学模型 29 4.1 声学模型 29 4.1.1 基本声学单元 29 4.1.2 基元的扩展 29 4.2 字典 30 4.3 语言学模型 31 4.3.1 基于文法的模型 31 4.3.2 基于统计的模型 32 4.3.3 性能 33 5 识别过程 34 5.1 孤立词语音识别 34 5.2 连接词语音识别 35 5.3 大词表连续语音识别 35 5.4 解码技术 37 5.4.1 搜索策略 37 5.4.2 搜索算法 38 1 概述 本文档介绍语音识别技术，具体来说是基于HMM 的语音识别技术。 语音识别本身是很复杂的技术。前面先用几章来介绍相关的概念和原理，这些是比较基 础的知识，大部分都是理解实际例子的必要基础知识，语音应用的主要开发人员都应该 了解。为易于理解，尽量不涉及数学公式和算法细节。如果要深入理解相关原理，还要 进一步阅读相关资料。 文档用两章来分别介绍两个语音平台：HTK 和CMU Sphinx，包括基于这两个平台的应用 开发的例子，也包括建立声学模型、语言学模型和字典的步骤。在前面的章节也会提到 这两个平台。 1.1 语音识别 语音识别 （Speech Recognition, SR ）是机器通过识别和理解过程把人类的语音信号转变为 相应的文本或命令的技术。除了SR，