一种汉语单音节基音提取与声调识别方法.pdfVIP

清 华 大 学 学 报 (自 然 科 学 版) JOURNAL OF TSINGHUA UNIVERSITY Voi30No．41990 第 30卷 第 4期 ． 一 种新型汉语单音节识别方法 电子工程系 曹 洪 摘 要 ：介绍 了一种新型字基 VQ／HMM 语音识别方法tVQ 与 HMM 分级识别算法 使得 VQ部分可用作语音识别的第一级处理 HMM部分作第=级识别。在第一级识别 中 可弓l进汉语的音素知识，使 VQ／HMM性能进一步提高，并可用于大字 表的实时语音识 别．存贮量、计算量均大大碱少。用此方法把汉语四声作一个 HMM 模型，使汉语 400 个基本音节的识别率达 96％ 以上，若加上精确冯声识别剐可识别汉语的 1200种声音 关键词；语音识别。音节 ．矢量量化，臆含马可夫模型 0 引 言 目前汉字信息的计算机输入是一项十分复杂的工作 ，它不仅需要用户经过训练，记 忆才能掌握，而且效率低 。汉字信息的计算机输入 问题是中文信息处理的一个难题，我 们试图借助语音识别技木研制一种经济、实用的语音识别卡，使它代替键盘，用声音向 计算机输入汉字信息，为此，研制了一种在 IBM-PC 系列机 上实 现 的语 音 卡，它 能识别汉语所有的 400单音节。汉语仅有 400个基本音节，若考虑四声 发音，仅 有 1200个发音。CCDOS 中的 8O00多个汉字具有许多同音字，因此仍用 CCDOS 中 二次输入的方式，使用户可在若干候选的同音字中选择正确的字，这样可解除对用户的 调练和记忆要求，而使计算机 中文信息处理系统能被更广泛的用户所接受。使用上述方 法的声控 中文打字机，在办公室 自动化中将获得更广泛的应用。语音识别卡采用了一种 新型的特定人的语音识别方法，这种在 VQ／HMM 方法的基础上改造的新算法以96 以上的识别率识别汉语的 400个单音节，从而使语音输入方法与 CCDOS现有的拼音 输入方式兼容。经典的 VQ／HMM 方法… 是一种有效的非特定人的识 别 方 法，实 际上一个人的发音本身也是复杂多变的，VQ／HMM 方法是一种适应性好的统计模 式 识别方法，它能较好地反映某种语声的不变特征，性 能稳 定，与传统 DTW 方法相 比，VQ／HMM 具有更可靠的实用价值。采用 VQ／HMM 方法，IBM 公司研制了一 种 2000o字的语音识别系统 (Tangora一20)[2,31 用于办公室 自动 化 系 统 。基 于 VQ／HMM 的特点和 IBM 公司这一成功的应用，我们在此基础上研究了一种更 为有 效、系统实现大大简化的字基 VQ／HMM 方法：VQ 与 HMM 分级识剐方法。它能 本文于 1989年 4月 3 日收到 清 华 太 学 学 报 第 30卷 在 PC 微机上 以较高性能价格 比实现汉语的计算机输入。 1 VQ 与 HMM 分级识别算法原理 1．1 经典 VQ ／HMM 分析 经典的 VQ／HMM 方法与传统 的 DTW 方法相 比具有运算量少、性能可靠 的特 点，但在大字汇表语音识别中，运算量与存贮量仍然很大，难 以在微机上低成本实现。 在算法上也存在与汉语语音特征不相符 合的地方。 1．1．1 VQ／HMM 方法 中的 VQ 码本是一种全局码本，不能反应每个 具体 单 音 节 的特征，仅用来产生 VQ 标号序列，VQ 不仅是一种有效的数据压缩方法 ，也是一种 有效的识别方法，然而在这个算法 中却没有充分利用 VQ 的识别作用。 1．1．2 HMM 识别方法只是对一个 VQ 标号序列进行匹配，不同音有可能产生相似标 号序列，因此，HMM 可能混淆明显不同的音。非特定人的 10个数 字识 口实验 中， 2与8就是一个容易混淆的例子。 1．1．5 HMM 是一种全局距离识别方法 ，一 个 汉 语 音节约 4o~7o 帧 (1okHz 采 样，帧移 lOms)而其辅音部分长度在 3～6帧左右，在全局距离的计算中，辅音的影 响被削弱，因此 1与 7 (yi，