语音识别技术的应用及发展.pdfVIP

语音识别技术的应用及发展 语音识别技术的应用及发展 语音识别是以语音为研究对象，通过语音信号处理和模式识 别让机器自动识别和理解人类口述的语言。语音识别技术就是让 机器通过识别和理解过程把语音信号转变为相应的文本或命令 的高技术。语音识别是一门涉及面很广的交叉学科，它与声学、 语音学、语言学、信息理论、模式识别理论以及神经生物学等学 科都有非常密切的关系。语音识别技术正逐步成为计算机信息处 理技术中的关键技术，语音技术的应用已经成为一个具有竞争性 的新兴高技术产业。 1、语音识别的基本原理 语音识别系统本质上是一种模式识别系统，包括特征提取、 模式匹配、参考模式库等三个基本单元，它的基本结构如下图所 示： 未知语音经过话筒变换成电信号后加在识别系统的输入端， 首先经过预处理，再根据人的语音特点建立语音模型，对输入的 语音信号进行分析，并抽取所需的特征，在此基础上建立语音识 别所需的模板。而计算机在识别过程中要根据语音识别的模型， 将计算机中存放的语音模板与输入的语音信号的特征进行比较， 根据一定的搜索和匹配策略，找出一系列最优的与输入语音匹配 的模板。然后根据此模板的定义，通过查表就可以给出计算机的 识别结果。显然，这种最优的结果与特征的选择、语音模型的好 坏、模板是否准确都有直接的关系。 2、语音识别技术的发展历史及现状 1952 年，ATTBell 实验室的Davis 等人研制了第一个可 十个英文数字的特定人语音增强系统一Audry 系统1956 年， 美国普林斯顿大学RCA 实验室的Olson 和Belar 等人研制出能 10 个单音节词的系统，该系统采用带通滤波器组获得的频谱参 数作为语音增强特征。1959 年，Fry 和Denes 等人尝试构建 音素器来4 个元音和9 个辅音，并采用频谱分析和模式匹配进 行决策。这就大大提高了语音识别的效率和准确度。从此计算机 语音识别的受到了各国科研人员的重视并开始进入语音识别的 研究。60 年代，苏联的Matin 等提出了语音结束点的端点检测， 使语音识别水平明显上升；Vintsyuk 提出了动态编程，这一提 法在以后的识别中不可或缺。60 年代末、70 年代初的重要成果 是提出了信号线性预测编码(LPC)技术和动态时间规整(DTW) 技术，有效地解决了语音信号的特征提取和不等长语音匹配问 题；同时提出了矢量量化(VQ)和隐马尔可夫模型(HMM)理论。 语音识别技术与语音合成技术结合使人们能够摆脱键盘的束缚， 取而代之的是以语音输入这样便于使用的、自然的、人性化的输 入方式，它正逐步成为信息技术中人机接口的关键技术。 3、语音识别的方法 目前具有代表性的语音识别方法主要有动态时间规整技术 （DTW ）、隐马尔可夫模型（HMM ）、矢量量化（VQ ）、人 工神经网络（ANN ）、支持向量机(SVM)等方法。 动态时间规整算法（Dynamic Time Warping ，DTW ）是 在非特定人语音识别中一种简单有效的方法，该算法基于动态规 划的思想，解决了发音长短不一的模板匹配问题，是语音识别技 术中出现较早、较常用的一种算法。在应用DTW 算法进行语音 识别时，就是将已经预处理和分帧过的语音测试信号和参考语音 模板进行比较以获取他们之间的相似度，按照某种距离测度得出 两模板间的相似程度并选择最佳路径。 隐马尔可夫模型（HMM ）是语音信号处理中的一种统计模 型，是由Markov 链演变来的，所以它是基于参数模型的统计 识别方法。由于其模式库是通过反复训练形成的与训练输出信号 吻合概率最大的最佳模型参数而不是预先储存好的模式样本，且 其识别过程中运用待识别语音序列与HMM 参数之间的似然概 率达到最大值所对应的最佳状态序列作为识别输出，因此是较理 想的语音识别模型。 矢量量化（Vector Quantization ）是一种重要的信号压缩 方法。与HMM 相比，矢量量化主要适用于小词汇量、孤立词的 语音识别中。其过程是将若干个语音信号波形或特征参数的标量 数据组成一个矢量在多维空间进行整体量化。把矢量空间分成若 干个小区域，每个小区域寻找一个代表矢量，量化时落入小区域 的矢量就用这个代表矢量代替。矢量量化器的设计就是从大量信 号样本中训练出好的码书，从实际效果出发寻找到好的失真测度 定义公式，设计出最佳的矢量量化系统，用最少的搜索和计算失 真的运算量实现最大可能的平均信噪比。