第八章孤立词语音识别系统.PDFVIP

北京邮电大学博士研究生学位论文 第八章 孤立词语音识别系统 语音识别技术经过几十一年的飞速发展，己经达到较高的水平，全球范围内IF. 在兴起语音识别技术研究的热潮，并有许多实用的语音识别系统投入商用，包括 孤立词语音识别系统和连续语音识别系统。但由于人的发话方式和环境噪声的影 响，连续语音识别系统大都工作在受限条件下，例如办公环境下的专用文本标准 语音听写识别等等，而孤立词语音识别将话者发音限制在孤立词方式，而且中小 同汇量的孤立词识别系统具有一定的抗噪性。另外，对于许多应用米说，并不需 要很复杂的识别能力，它只要能够识别出一组词71_或命令就可以了。因此，同连 续语音识别系统相比，中小词汇量的孤立词语音识别系统的应用更为广泛一些。 针对一个具体的应用设计语音识别系统时，根据识别任务的不同，我们可以 采用不同的识别器和不同的系统构筑方法。对于中小词汇量的孤立词语音识别系 统来说，识别任务的区别主要在于识别的内容、话者及应用环境的不同。识别内 容是指要识别的孤立词的集合，它可以是特定内容，也可以是非特定内容，所谓 特定内容是指系统一旦完成，识别内容将不能再更改，而非特定内容是指在系统 建立后，仍然可以很方便地加入新的词条，特定内容的系统可以在构筑系统时采 集大量的数据来进行训练，而非特定内容的系统则比较困难。话者包括特定人和 非特定人，特定人是指系统只针对一个用户的，而非特定人是针对任何人。应用 环境，包括软硬件环境，以及环境噪声的影响，噪声比较复杂，我们这里只结合 具体应用讨论软硬件环境的影响。 8.1基于!SAW的手机人名声控拨号系统 人名声控拨号，即用户在拨号时.只需口呼姓名，由手机通过识别出其姓名 来查找与该姓名对应的电话号码，并自动拨出去。由于每一个人的电话号码薄各 不相同，号码薄的大小最多几百个，而常用的一般也只有几十个，加上手机的个 人性，因此这是一个典型的非特定内容、特定人的、中小词汇量孤立词语音识别 系统。 8.1.1系统模型 建立木系统最大的难点在于要在手机上应用这一实际限制，因为手机一般都 很小巧，用户使用环境复杂，所以在具体实现时，识别算法不能太复杂，占用存 储空间也不可能太多，还要适应不同的使用环境。因而在建立系统时，要遵循简 单、高效的原则，在保证系统具有高识别率、高识别速度的前提下，增强系统的 鲁棒性，减少系统对存储空间的占用。 第八章孤I).词语音识别系统 本系统由四部分组成，即预处理、训练、识别和自动拨号。 1、预处理 预处理的主要功能是采集话音、降噪处理、进行端点检测，为后序处理提供 数据。预处理的好坏直接影响到系统的识别率及鲁棒性。 鲁棒性好，是指系统性能不会随着用户及使用条件的差异而有所改变或变化 很小。针对手机，影响鲁棒性的主要因素是手机应用环境的多样性，比如办公室、 马路上、汽车里等等:不同的环境会存在不同的噪声干扰。噪声的影响对于识别 系统是非常显著的，Dautrich.Rabiner与Matin等人研究证明，一个在无噪声条 件下训练，并具备95%识别率的孤立数字识别系统，如果在信噪比为 18dB的噪 声干扰下，误识率大约增加了一个数量级111(21。使用性能好一些的话筒，可以减 少一些噪声的影响，但这是有限的，最好能够采用一些降噪措施。因而采用何种 方法能够高效的去除语音信号中的噪声(环境噪声和干扰、他人语音、麦克风引 入干扰等)，对于提高系统的鲁棒性是非常重要的。在本系统中，只去除直流分 量，就使误识率降低两个百分点。 端点检测主要是检测出语音的有声段和无声段，本文采用短时平均能量参数 和过零率参数。 2、训练 训练的主要任务是提取语音特征，形成模板。采用的特征是LPC倒谱、一阶 差分倒谱、能量及一阶差分能量。LPC参数通过Durbin算法求出，进而求出LPC 倒谱参数[3[ 在整个系统中，所需的存储空间主要是用来存储模板特征的，所以如何减少 存储空间而又不影响识别率，是训练所要解决的一个问题。从识别过程来看，由 于本系统采用分级的识别方法，在粗分识别中只使用LPC倒谱特征，只在细分 识别时才使用一阶差分倒谱特征，因而可以只提取LPC倒谱特征，而一阶差分 倒谱特征则在细分时由倒谱特征求出，这样可以减少存储一阶差分特征的空间。 其代价是增加一些计算开销，但由于细分的搜索范围不大，在5-10个之间，计