国内统计信号处理语音识别的应用.doc

国内统计信号处理在音频模式识别中的应用 摘要 语音识别是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言。语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门涉及面很广的交叉学科，它与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切的关系。语音识别技术正逐步成为计算机信息处理技术中的关键技术，语音技术的应用已经成为一个具有竞争性的新兴高技术产业目前具有代表性的语音识别方法主要有动态时间规整技术（DTW）、隐马尔可夫模型（HMM）、矢量量化（VQ）、人工神经网络（ANN）、支持向量机(SVM)等方法。I c sP ’9 3 将于 1 9 9 3 年 1 0 月在北京召开 ,将有国内外稿件 3 5 。余篇发表 ,其中有近一半是国内稿件,将充分反映国内的研究水平。国内信号处理技术的进展可以从以下三个方面来介绍 ,即 :1.理论和算法;2 应用发展。 1 理论和算法 . ⑴离散变换 19 6 0 年 G oo d 提出了快速付立叶变换的想法,1 9 6 5 年 C o o l e y 和 T u k c y 又独立地发表了F FT 算法,数字信号处理发生了革命性的改变。R a d e r 等于 1 9 7 0 年提出了计算素数点的 D F T 方法 (PF A )使 FFT 算法所适用的范围从幕次序列长度推广到了素数序列长度的场合。W i n o g r ad 于 19 7 8 年在总结了R a d e r 算法后 ,系统地提出了算法的结构理论。1 9 8 4年 D uhm e l 发表了义基基 ZF FT 算法,即 SPFF T使 D F T 和 FFT 的算法进入了比较完善的地步。我国学者在 PFA 方法方面详细地讨论了它与 F FT 的关系,从映射的角度统一了素因子分解算法 (PFA )、时域分解的 C o o l e y一T uke y FFT 算法和频域分解的 C o ol e y一 T uk e y FFT算法。对 PFA 算法与基 ZF FT 算法的差别有了深刻的认识,并且指出基 ZFF T 的计算误差可以用点数近似的素因子分解算法的误差来计算 。在义基基 S PF FT 的研究中指出,时域分解s P FFT 与频域分解的 SPFFT 信号流图之间,并没有经典 FF T 算法那种互相置换的拓扑关系。在算法速度上,除了 N ~ 3 2、N 一 6 4 及 N 一 1 2 8 时 ,义基算法明显快于经典算法外,点数较大时两者速度几乎接近。W FT A 一般仅适合于小点数的变换,对于 N ) 1 6 以后,其编程工作的复杂性按指数规律增加,所以对大点数的 D F T仍是一个待研究的问题。利用两个模块构成第4 期 袁保宗:信号处理技术的若干进展 (国内)·3·PFF T 算法已经给出了 N 一1 3、1 7、1 9、2 3 及 2 9、3 1 点 D F T 算法。根据这一方法实现了长度为1 0 0 9 点的 D F T 快速算法 。我国学者在实现 FFT 方面还提出了素数长度的递归 D FT 算法 ,并且在此基础上又提出了具有 N 次乘法的快速付立叶变换算法。1 9 7 8 年至 1 9 8 1 年 ,H.J.N u s s b a n m e r 在利用多项式变换计算D FT 和卷积后 ,我国学者也做了很多工作,先后实现了二维数字卷积的 FP T (快速多项式变换)和超大型二维循环卷积的 F PT 和 F N T (Fe r m a t 数论变换),这种超大型二维卷积是利用 M = ZJ十1,d 一 2 b 的 F N T 计算规模大于二维循环卷积的方法 ,研究表明将 F N T 和 FPT 结合可以计算任何 N ·M 二维循环卷积(N 三2 t,M 一 2 ’十一 ’)。多变量多项式变换的研究也得到了发展 ,一种计算卷积的新算法已被提出,它 比传统办法压缩更多的乘法和加法次数 ,它被用来计算三维 (1 6·1 6·1 6 ) 的卷积时间为 1 7.3 25 ,或三维 (1 2 8·12 8·8 )的卷积时间为 7 3.3 2 5 ,或三维 (12 8.12 8·8 )的卷积时间为 7 3.1 8 5(在 V A X 8 3 0 o 机上)。 ⑵离散 W 变换是我国学者的贡献 ,现在得到国际学术界的引用。但是二维离散 W 变换不能直接分解为两个一维 D W T 的乘积 。我国学者又提 出了用一维 D W T 表示及计算 D W T 的新形式,并构造了用一维快速 D W T 来计算二维 D W T 及实现二维卷积。, ⑶ 谱估计理论 随机信号的谱估计是信号处理的主要内容之一 ,它在振动、医学、航天 、航空以及雷