现代语音信号处理（Python版）教学课件第10章 语音识别N.ppt

10.6　性能评测 1）词错误率（Word Error Rate，WER）：为了使识别出来的词序列和标准的词序列之间保持一致，需要进行替换、删除或者插入某些词，这些插入、替换或删除的词的总个数，除以标准的词序列中词的总个数的百分比，即为WER。计算公式为： 2）句错误率（Sentence Error Rate，SER）：句子中如果有一个词识别错误，那么这个句子被认为识别错误，句子识别错误的个数除以总的句子个数即为SER。 其它因素 1）识别对象中词汇量的多少，识别对象间声学特性的相似程度等； 2）系统是针对特定话者还是多数话者或者非特定话者的识别系统； 3）系统是孤立发音（单词或音节单位）、词组单位发音（例如汉语习惯上的发音停顿的位置）、还是连续发音、是正规的朗读语音还是较自由的会话语音； 4）发音的环境是隔音室、安静的房间还是噪声环境； 5）话筒的位置在什么地方，是否是位置自由的； 6）语音的频带限制，如是否是电话语音带宽等； 7）其他方面，如通用性、经济性、鲁棒性、识别速度，是否能够进行在线识别、语言模型的覆盖率等。 10.7　系统总结 实用语音识别研究中存在的主要问题和困难如下： （1）自然语言的识别和理解困难。 （2）语音信息的变化很大。 （3）语音的模糊性。 （4）单个字母及单个词语发音时的语音特性会受上下文环境影响，使相同字母有不同的语音特性。 （5）环境噪声和干扰对语音识别有严重影响。 /it/detail_2011_11/040.shtml?_from_ralated * 其中，激活函数g为矫正的线性激活函数 * 其中，激活函数g为矫正的线性激活函数 * 10.4.2 隐马尔可夫模型的定义 3）HMM的基本元素 A：状态转移概率的集合。所有转移概率可以构成一个转移概率矩阵，即 其中， aij(k)是从状态Si到状态Sj时的转移概率。在球与缸实验中，其描述了选取当前缸的条件下选取下一个缸的概率。 B：输出观测值概率的集合。B={bij(k)}，其中bij(k)是从状态Si到状态Sj转移时观测值符号k的输出概率，即缸中球的颜色k出现的概率。 F：系统终了状态的集合。 10.4.2 隐马尔可夫模型的定义 3）HMM的基本元素 严格来说Markov模型是没有终了状态的，只是语音识别的Markov模型要设定终了状态。因此，一个HMM可记为 : 可简写为: 因此，HMM可分为两部分：一个是Markov链，由π 、A描述，产生的输出为状态序列；另一个是一个随机过程，由B描述，产生的输出为观察值序列。 HMM的三个基本问题 1.评估问题：对于给定模型，求某个观察值序列的概率P(O|λ) 2.解码问题：对于给定模型和观察值序列，求可能性最大的状态序列maxQ{P(S|O,λ)} 3.学习问题：对于给定的一个观察值序列O，调整参数λ，使得观察值出现的概率P(O|λ)最大 赌场的欺诈 某赌场在掷骰子时采用的作弊方法： 在连续多次掷骰子的过程中，通常使用公平骰子A，偶而混入一个灌铅骰子B。 A B 0.9 0.1 0.2 公平骰子 灌铅骰子 0.8 骰子A 骰子B 1点 1/6 0 2点 1/6 1/8 3点 1/6 1/8 4点 1/6 3/16 5点 1/6 3/16 6点 1/6 3/8 公平骰子A与灌铅骰子B的区别: 时间 1 2 3 4 5 6 7 骰子 A A A B A A A 掷出 点数 3 3 4 5 1 6 2 一次连续掷骰子的过程模拟 查封赌场后, 调查人员发现了一些连续掷骰子的记录,其中有一个骰子掷出的点数记录如下: 124552646214614613613666166466163661636616361651561511514612356234 … 隐序列 明序列 给定：一个骰子掷出的点数记录 124552646214614613613666166466163661636616361651561511514612356234 评估问题：会出现这个点数记录的概率有多大?求P(O|λ) 解码问题：点数序列中的哪些点数是用骰子B掷出的? 求maxQ{P(S|O,λ)} 学习问题： 作弊骰子掷出各点数的概率是怎样的?公平骰子掷出各点数的概率又是怎样的 ? 赌场是何时换用骰子的 ? 隐状态集: S={骰子A, 骰子B} 明字符集: V={1,2,3,4,5,6} 初始状态概率: π1=1, π2=0 隐状态转移概率 : a11=0.9, a12=0.1 a21=0.8, a22=0.2 初始状态 明字符生成概率 : b11 = b12=…=b16=1/6 b21=0, b22=b