语音信号与文本信息的智能处理供参习.docVIP

语音信号与文本信息的智能处理 第一章概述 处于 信 息 革命浪潮时代的今天，人们对于各种各样信息的需求与日俱增，同 时人们急切需要更好的信息处理方式。语音，作为人类信息交流的最自然、最有 效、最灵活而又最为广泛使用的途径，越来越引起研究者的关注。文本信息，具 备易于传播，所需存储空间小等特点，也是人们日常生活中最经常使用的交流方 式之一。对语音信号，文本信息的智能处理，正是为了更好地满足人们日益增长 的信息需求。 智能 处 理 是指能模仿人的智能(归纳，抽象，形式推理、联想和自适应等) 的处理.智能(Intelligence)一词源于“Legere。意思是收集、汇集，它通 常指人类的脑力劳动，包括感知、学习、推理和判断等;有人把它定义成是随外 界尖化的一种正确的反应能力。人的智能现在己能让电脑机器模仿的主要是学 习、推理、联想、判断与自适应的智能。本文着重研究了语音信号与文本信息的 智能处理。虽然文本信息和语音信号表面上看起来没有直接的联系，但是对两者 的处理方法却有很大的相似之处。因为无论是文本相似判别中使用的特征矢量判 别比较，或者是端点检测中利用的判断方法，实际上都是在某一个特定的空间中 比较两个矢量的某种距离。说到底，两种处理手段都是一致的。 1.1中文信息处理研究的历史与现状 概括 地 说 ，中文信息处理可分为字处理平台、词处理平台和句处理平台这3 个层次。 字处 理 平 台的研究与开发，包括汉字编码输入、汉字识别(手写体联机识别 与印刷体脱机识别)、汉字系统及文书处理软件等。 词处理平台上最典型、最引人瞩目的应用领域是面向Intemet的、文本不受限的 中文检索技术，包括通用搜索引擎、文本自动过滤(如对网上不健康内容或对国 家安全有危害内容的过滤)、文本自动分类(在数字图书馆中将得到应用)以及 个性化服务软件等.目前影响比较大的商品化中文通用搜索引擎有雅虎、搜狐、 新浪网等，但这些只用了基于字的全文检索技术，或者仅做了简单的分词处理， 性能还有待于提高。国内研究机构做得比较好的是北京大学的天网，它用了中文 分词和词性自动标注技术，但不足之处在于覆盖能力有限，设计上也稍嫌粗糙。 词平台上另一个重要应用是语音识别。单纯依赖语音信号处理手段来大幅度提高 识别的准确率，已经很难再有大的作刀了，必须要借助文本的后处理技术.现在 第一意概述 最具代表的产品是IBM的中文ViaVioce微软中国研究院也有表现不俗且接近 实用的系统。国内在做这方面工作的有清华大学计算机系、电子系、中科院声学 所和自动化所等，但从技术走向市场还有一段距离。属于这个平台的其他应用还 有文本自动校对、汉字简繁体自动转换等。 句处 理 平 台上的重要应用主要有两方面:一是机器翻译，虽然目前机器翻译 的质量还远远不能令人满意，但挂靠在Internet上，就找到了适当的舞台，无论 对中国人了解世界(英译汉)，还是外国人了解中国(汉译英)，都大有裨益，潜 在的市场十分可观。“金山快译”软件受到市场的欢迎，就是一个有说服力的旁 证。此外，雅信诚公司推出的针对专业翻译人员的英汉翻译辅助工具CAT，虽 然没有采用全自动翻译的策略，但定位及思路都非常好，不失为另一个有前途的 发展方向。句处理平台上另一方面的重要应用是汉语文语转换，不诉诸句法分析 技术以获得句子的韵律结构，要获得理想的自然度是不可能的。“金山词霸”里 嵌入了英文文语转换技术，相信用户将对这一功能有深刻的印象。 总的 说 来 ，字平台研究己快成昨日黄花;句平台上的研究还很薄弱，离实用 还有一段距离;而词平台上的研究，难度较句平台容易，且经过十几年的努力， 成果也比较扎实，随着Intemet的发展，己经到了厚积薄发的时候。 1.2语音识别的发展历史与现状 关于 语 音 识别的第一篇论文是1952年美国贝尔实验室发表的关于孤立数字 识别系统的研究论文。接着美国的RCA研究所进行了单音节识别系统的研究。在 非特定人语音识别方面的尝试，是1959年美国MIT研制的元音识别装置。 到六 十 年 代中后期，语音识别作为一个重要的研究课题而展开，并且逐步取 得实质性的进展。这是因为一方面计算机产业的发展提出了使用的要求，同时又 提供了实现复杂算法的软硬件环境;另一方面数字信号处理的理论和算法在那个 时代取得飞跃的进展，如快速傅里叶变换(FFT)、倒谱计算、线性预测分析(LPC), 数字滤波等。日本学者板仓(Itakura)将动态规划(DP)的概念用于解决孤立 字识别时说话速度不均匀的问题，提出了著名的动态时间弯曲算法(DTW)e 早期 的 语 音识别系统都是按照简单的模板匹配原理工作的特定人、小词汇 表、孤立词识别系统。DTW算法克服了说话人语速不均匀造成的时间伸缩变化的 影响，使系统的性能有了显著的提高。但是对于更高