M在语音识别和文字识别中的应用.PDF

北京邮电大学博1:学位论文 3.3HMM在语音识别和文字识别中的应用 lAL马尔可夫模型(HiddenMarkovModel，简称HMM)，是一种典型的统计信 号处理方法。其基本理论是在1970年前后由Baum等人建立起来的，随后由CMU 的Baker和IBM的Jelinek等人将其应用到语音识别中。在80年代中期，由于 Bell实验室Rabine:等人对HMM的深入浅出的介绍[21[31，才逐渐使HMM为世 界各国从事语音处理的研究人员所了解和熟悉，进而成为一个研究热点。目前， HMM已广泛应用于信号处理的的各个领域。 文献[41对1989年到200。年年底发表的、论文标题中包含关键词”Hiddenand Markov(或者是缩写”HMM)的论文进行了检索，考虑到关于语音处理的文章过 多，对其进行了删减(大约占语音处理方面文章的加%，主要是过于陈旧或者是 难以找到的)，共检索到了357篇文章，并按照下面的方式进行分类: 综合:对模型的描述，不涉及任何应用细节的，69篇 应用:常见的一些应用领域(见表1-1).268篇 其它应用:只有极少数文章出现的应用领域加篇 由表 1-2可见，HMM的应用是及其广泛的，特别是在语音处理领域、生物 学领域、文字识别领域的应用最为广泛。本节将主要讨论HMM在语音识别和文 字识别中的应用。 表 1-1常见的应用领域 领域 语 音 生 物 文字@ 信 号 通信 量候控制 声学 是济 处理 学 识别 处理 幼甲 t 文章数 129 37 27 22 20 15 7 4. 4 3 百分比% 48.13 13.81 10.07 821 7.46 5.60 2.61 1.49 1.48 1.12 注:@为图像处理和计算机视觉 1.3.1基于HMM的语音识别 语音识别就是研究让机器最终能听懂人类口述的自然语言的一门学科。听懂 有两种含意，第一种是将这种口述语言逐词(字)逐句地转换为相应的文字，例如 对口授文章作听写;第二种则是对口述语台中所包含的要求或询问作出正确的相 应，而不拘泥于所有词正确转换为书面文字。语音识别和语音合成相结合，即构 成一个完整的”人一机对话通讯系统”。 语音识别是HMM在模式识别中应用最早，也是最为成功的一个领域。HMM 能很好地描述语音信号的时变性和平稳性[(51，而且能够把可利用的语音学和语言 学信息用一个统一的HMM框架来描述，因此HMM 已经成为目前语音识别研究 的主流方法，目前很多成熟的连续语音识别系统都基于HMM的方法，如剑桥大 学的HTK系统(英文))16]和IBM公司的中文听写机系统(ViaVoice)11等。语音识别 的发展历史和现状，也说明了这一点。 第一章 绪论 1,语音识别的发展历史 语音识别起始于50年代，60年代末和70年代初语音识别最重要的发展是语 音信号线性预测编码(LPC)技术和动态时间规整(DTW)技术的发展.80年代语音 识别算法从模板匹配技术转向基于统计模型技术，人们研究从微观转向宏观，不 再刻意追求细化语音特征。而是更多从整体平均(统计)的角度来建立最佳的语音 识别系统。HMM是其中的一个典型，它能很好地描述语音信号的时变性和平稳 性.而巨能够把可利用的语音学和语言学信息用一个统一的HMM框架来描述。 HMM研究使大词汇量连续语音识别系统的开发成为可能。1988年，美国CMU 大学用VQ/HMM方法实现了997词的非特定人连续语音识别系统SPHINX。这 是世界上第一个高性能的非特定人、大字表、连续语音识别系统，开创了语音识 别的新时代。进入90年代之后，主要在细化模型的设计、参数提取和优化、以 及系统的自适应技术上取得了一些关键进展，语音识别技术进一步成熟，并开始 向市场提供产品pof 2、语音识别的现状 目前在语音识别研究领域非常活跃的课题为稳健语音识别、说话者自适应技 术、大词汇量关键词识别算法、语音识别的可信度评测算法、基于类的语言模型 和自适应语言模型。研究的方向也越来越侧重于口语对话系统(a)。可