《语音信号处理》第9章语音识别.pptx

9.1语音识别概述

9.2动态时间规整DTW

9.3孤立词语音识别

9.4连续语音识别

;9.1语音识别概述;一、语音识别的定义;二、语音识别的应用;1.语音识别以IBM推出的ViaVoice为代表，国内则推出Dutty++语音识别系统、天信语音识别系统、世音通语音识别系统等。

2.数据库检索：对庞大的数据进行繁杂的检索和查询，通过使用语音识别技术，将变得轻松、方便。

3.特殊的环境所需的语音命令：用语音发出操作指令。;采用语音识别和语音合成技术，能与客户进行交互式对话，帮助客户找到他们所需要的商品。一个动作传感器可以启动系统，询问顾客“需要我帮你寻找什么吗？”如果顾客回答说“我在找面包。系统将会告诉顾客：“面包在第11过道，就是直接往前第3个过道，我们今天有WHEATIO面包特惠，需要我为您打印一张优惠券吗？;三、语音识别的类型;2.根据识别的词汇量来分，有：

（1）大词汇（1000个以上的词汇，如会议系统）

（2）中词汇（20～1000个词汇，如定票系统）

（3）小词汇（1～20个词汇，如语音电话拨号）;四、语音识别的方法;模板匹配法;随机模型法;概率语法分析法;1.对自然语言的识别和理解。首先必须将连续的讲话分解为词、音素等单位，其次要建立一个理解语义的规则。

2.语音信息量大。语音模式不仅对不同的说话人不同，对同一说话人也是不同的，例如，一个说话人在随意说话和认真说话时的语音信息是不同的。一个人的说话方式随着时间变化。;3.语音的模糊性。说话者在讲话时，不同的词可能听起来是相似的。这在英语和汉语中常见。

4.上下文影响。单个字母或词、字的语音特性受上下文的影响，以致改变了重音、音调、音量和发音速度等。

5.环境噪声和干扰对语音识别有严重影响，致使识别率低。;9.2动态时间规整;一、动态时间规整的定义;二、动态时间规整的原理描述;DTW是把时间规整和距离测度计算结合起来。测试语音参数共有N帧矢量，而参考模板共有M帧矢量，N和M不等，寻找一个时间规整函数m=，它将测试矢量的时间轴n非线性地映射到模板的时间轴m上，并使该函数w(n)满足：

;;时间规整就是按照两模式之间的所有矢量帧间的???离最小(D,代价函数最小）的原则，不断计算两模式间的距离，以寻找最优的路径,一般应使规整函数

满足下列条件：规整函数在A和B的端点必须匹配，有：

起点：n(i)=m(i)=1终点：n(i)=Nm(i)=M

为了防止漫无目的从(1,1)搜索到(N,M)，因此对两点之间路径的斜率予以规定，最大为2，最小为1/2。;;n;;DTW算法的实现;DTW算法的实现;DTW的高效算法;;DTW的高效算法;;9.3孤立词语音识别系统;;9.4连续语音识别系统;;HMM连续语音识别一般过程;Baum-Welch

Re-estimation;MAX;汉语语音建模基元比较;HMM用于SR的参数设置;适用于语音识别的HMM模型结构;作业;回顾

9.2动态时间规整DTW

9.3孤立词语音识别

9.4连续语音识别

;9.1语音识别概述;一、语音识别的定义;二、语音识别的应用;1.语音识别以IBM推出的ViaVoice为代表，国内则推出Dutty++语音识别系统、天信语音识别系统、世音通语音识别系统等。

2.数据库检索：对庞大的数据进行繁杂的检索和查询，通过使用语音识别技术，将变得轻松、方便。

3.特殊的环境所需的语音命令：用语音发出操作指令。;采用语音识别和语音合成技术，能与客户进行交互式对话，帮助客户找到他们所需要的商品。一个动作传感器可以启动系统，询问顾客“需要我帮你寻找什么吗？”如果顾客回答说“我在找面包。系统将会告诉顾客：“面包在第11过道，就是直接往前第3个过道，我们今天有WHEATIO面包特惠，需要我为您打印一张优惠券吗？;三、语音识别的类型;2.根据识别的词汇量来分，有：

（1）大词汇（1000个以上的词汇，如会议系统）

（2）中词汇（20～1000个词汇，如定票系统）

（3）小词汇（1～20个词汇，如语音电话拨号）;四、语音识别的方法;模板匹配法;随机模型法;概率语法分析法;1.对自然语言的识别和理解。首先必须将连续的讲话分解为词、音素等单位，其次要建立一个理解语义的规则。

2.语音信息量大。语音模式不仅对不同的说话人不同，对同一说话人也是不同的，例如，一个说话人在随意说话和认真说话时的语音信息是不同的。一个人的说话方式随着时间变化。;3.语音的模糊性。说话者在讲话时，不同的词可能听起来是相似的。这在英语和汉语中常见。

4.上下文影响。单个字母或词、字的语音特性