信号统计建模概述.pdf

信号统计建模概述 杜俊 jundu@ 自我介绍 2004-2009 科大讯飞语音实验室 语音识别/增强 2009-2010 科大讯飞研究院 语音识别/增强 2010-2013 微软亚洲研究院 手写识别/光学字符识别 2013- 中科大语音及语言信息处理国家工程实验室 Google Scholar主页 课程信息及考核 • 课程主页 /~nnf8185/ • 课程考试 – 随堂小测验（40分，共4次） – 期末考试（60分） 课程知识架构 应用层 语音信号、图像信号、生物信号等等 中间层 各种模型工具：GMM 、HMM、 NN等等 底层 微积分数理统计 、线性代数、优化方法等等 课时初步安排 • 信号统计建模概述 • 数学基础知识回顾 • 模式分类 • 手写识别 • 光学字符识别 • 语音增强 课程定位 • 注重应用层面，不追求知识点面面俱到 • 注重概念介绍，不深入探讨细节 • 结合热门应用，对常用数学工具进行重新认识和学习 • 结合实例，认识到工程化能力的重要性 参考资料 • 教材相关 • 课后读物 • Wikipedia, Coursera • 预备知识 – 概率统计相关 – 线性代数和矩阵分析 – 常用编程语言：C/C++, Matlab, Perl 概述 • 多模态技术应用简介 – 语音识别 – 手写识别 – 光学字符识别（OCR ） • 模式分类 – 总体架构 – 特征提取 自然用户界面（NUI ） 多模态技术相关子方向 • 语音编码（Speech Coding ） • 语音增强（Speech Enhancement ） • 语音合成（Speech Synthesis ） • 语音识别（Speech Recognition ） • 语种识别（Language Identification ） • 说话人识别/确认（Speaker Identification/Verification ） • 手势识别（Gesture Recognition ） • 手写识别（Handwriting Recognition ） • 光学字符识别（Optical Character Recognition ） 什么是语音识别 • 人与人语音交流时，识别无处不在 • 让机器听懂人说话 – 最基本的方式：从语音到文本 – 更高级的方式：从语音到理解 • 语音识别的重要意义 – 最自然快捷的人机交互方式之一 – 残疾人士：手和眼睛有使用障碍时 语音识别领域发展现状 • 产业界 – Nuance ：全球最大的语音识别技术提供商 – IBM ：具有强大数学底蕴的老牌语音识别研究机构 – Microsoft: Windows Phone和Kinect – Google: GOOG-411电话查询，语音搜索 – 科大讯飞，中科信利，百度，腾讯，华为 • 学术界 – Cambridge ：HTK工具对学术界研究推动巨大 – CMU ：SPHINX系统 – 中科大，清华大学，声学所，自动化所 • 关于实用化的两种论调 语音领域会议及期刊 • 国际会议 – ICASSP International Conference on Acoustics, Speech and Signal Processing – INTERSP