由HTK实现小词汇量孤立词识别.pptVIP

由HTK实现小词汇量孤立词识别 答辩人：张泽昕 指导教师：王金芳 主要内容 研究背景及意义 关于HMM HTK实现过程 4 1 2 3 整体实现过程 结果及展望 5 研究背景及意义 人类从外界获得信息的方式大致有四种： 视觉 听觉 触觉 嗅觉 视觉和听觉已经应用于人机交互中，其中，视觉交互的发展已经十分成熟，而语音信号处理技术（听觉交互）的发展尚且没有达到人们所希望的效果。因此，对语音信号处理的研究现已成为世界研究热点之一。 语音识别的运用 语音识别的目的就是是研发一种机器或软件，使其具有“听觉”，即以人类的语音作为输入，以理解后做出的相应的反应为输出。而孤立词识别凭借着识别准确度率高、具有较强使用价值等优点打开了广阔的应用前景，例如： 语音拨号 地址查询 音乐检索 孤立词识别难点 孤立词识别技术的难点有以下几个方面： 1 系统在面对环境变化时的稳定性 从开发环境的理想到现实环境的嘈杂，导致系统的识别稳定性无法达到预期的要求。 2 系统词汇的变化（增加） 生活中，每天都会有大量新词汇产生，这导致模型训练和识别难度加大，系统识别能力下降。 3 选取识别基元 如何选择识别基元，才能在稳定性（大基元）和灵活性（小基元）间达到最佳的取舍，是研究难点。 整体实现流程 预处理 预处理模块，是对由用户录入的语音信号进行初步处理处理，其目的是滤除与语音识别无关的或关系较小的、会产生负面影响的信息等，并对语音进行端点检测。该模块要完成以下工作： 采样 量化 编码 预加重 语音分帧 预处理 滤除与语音识别无关的或关系较小的、会产生负面影响的信息，需要有滤波器完成。 预加重 预加重的目的是为了使语音信号的频谱更加平坦，响应函数为 语音分帧 语音分帧是为了获得一个准稳态过程，以方便对语音信号进行理论分析。加汉明窗可有效克服频率泄漏现象。 特征提取 通过话筒采集到的语音信号中含有很多冗余的信息，只有从语音信号中提取出的表示其特性关键参数来表征其特性，才可以为更语音模型库的建立创造良好的前提条件。由于Mel频率滤波器组对人耳的拟合精确度较高，故相关研究人员将Mel频率的倒谱系数（MFCC）视为一种理想的特征参数。 建立声学模型库 建立声学模型库最主要是，考虑两方面的问题，即识别基元选择问题和声学模型的训练问题。语音识别的准确度（识别性能）与以什么训练方式得到模板有很大关系。 1 偶然训练法（单一用户、小词汇量） 2 多模板平均法（重复朗读、特征矢量序列、动态时间规整DTW取平均） 3 聚类训练法（用于非特定人的语音识别） 模型匹配 1 语音间相似度度量。 参考模板 测试模板 用失真度 2 相似度评估方法 声学得分 音节得分 顺序匹配得分 语义相似度得分 来度量相似度。 关于HMM HMM模型是一个双重随机过程，作为观测者，他只能通过观测值看到状态间的转移，即由表象感知内在。“隐”字在此处得到了鲜明地体现，“隐马尔科夫模型”由此得名。 “球缸模型”常用来描述HMM。 马尔科夫链： m+k时刻随机序列的状态仅与m时刻的有关 HMM定义 表示为 初始状态概率矢量 状态转移概率矩阵 状态数目 状态可能观测值数目 观测值概率矩阵 HMM基本问题及算法 评估问题----前向-后向算法 给定观测值序列O和模型，求由模型产出O的概率。 解码问题----Viterbi算法 给定观测值序列和模型，求最大似然状态序列。 模型训练问题----Baum-Welch算法 给定观测值序列，确定模型参数，使由该模型输出O的概率（条件概率）最大。 HMM状态数与识别率关系 状态少，不可完全描述。 状态多。识别难度大。 识别基元选择与识别率的关系 对于小词汇量孤立词识别， 选择小的识别基元会有更好的效果 MFCC维数与识别率的关系 MFCC的维数越高，越能够准确地描述语音信号的 特征，从而提高了识别的准确度。 HTK实现过程 数据准备与模型训练 HTK实现过程 数据预处理工具包： HLEd HLStats HSLab HCopy HList HQuant 模型训练工具包： HCompv Hinit HRest HERest HSmooth HHEd HEAdapt HTK实现过程 识别与分析 HTK实现过程 识别工具包： HVite HLRecsore HDecode 分析工具包： HResult HTK安装 开始 运行 输入cmd 进入DOS操作页面 用cd命令进入HTK文件夹，建立bin.win32文件夹 在DOS窗口运行vcvars32 cd HTKLib nmake/f