基于隱馬爾可夫模型的語音識(shí)別方法的研究.pdf

1、語音識(shí)別不僅是指機(jī)器通過學(xué)習(xí)實(shí)現(xiàn)從語音信號(hào)到文字符號(hào)的理解過程，作為一門交叉學(xué)科，與聲學(xué)、語言學(xué)、人工智能、數(shù)字信號(hào)處理、模式識(shí)別等學(xué)科有著緊密地聯(lián)系。 大約經(jīng)過50年的發(fā)展，語音識(shí)別技術(shù)已經(jīng)能夠?qū)崿F(xiàn)大詞匯量、非特定人的連續(xù)語音識(shí)別系統(tǒng)，漢語語音識(shí)別技術(shù)目前已經(jīng)發(fā)展到世界先進(jìn)水平。針對漢語發(fā)音的特點(diǎn)，本文以離散隱馬爾可夫模型為方法，對中等詞匯量、非特定人、孤立字的漢語語音識(shí)別進(jìn)行了基礎(chǔ)研究。 首先，文章在對語音信號(hào)進(jìn)行分

2、析的基礎(chǔ)上，對短視平均過零率的算法進(jìn)行了改進(jìn)，又利用幅度和短時(shí)平均過零率兩個(gè)參數(shù)改進(jìn)了端點(diǎn)檢測的方法。然后對漢語發(fā)音的特點(diǎn)進(jìn)行了研究，分析了以音素為單位的聲母和韻母的特點(diǎn)，提出了查找過渡點(diǎn)將聲母韻母分離的方法。 接下來本文對語音識(shí)別系統(tǒng)的兩個(gè)重要部分——特征參數(shù)提取和矢量量化的相關(guān)知識(shí)給予了介紹。 最后，本文著重對以DHMM為方法的語音識(shí)別系統(tǒng)進(jìn)行了分析，討論了在語音識(shí)別系統(tǒng)中DHMM參數(shù)選取的問題。對于非特定人、中等詞

3、匯表、孤立字的語音識(shí)別系統(tǒng)，使用了DTW和DHMM兩種方法進(jìn)行了試驗(yàn)比較，驗(yàn)證了DHMM方法的優(yōu)越。還對特征參數(shù)的選取對識(shí)別率的影響進(jìn)行了討論，得出了加權(quán)差分倒譜系數(shù)是一個(gè)優(yōu)越參數(shù)的結(jié)論。通過矢量量化參數(shù)選取的討論，得到對于中等詞匯量的語言識(shí)別，矢量量化的碼本大小應(yīng)為64或128的結(jié)論。并且，在對漢語發(fā)音研究的基礎(chǔ)上，對DHMM的不足進(jìn)行了改進(jìn)，提出了兩段式DHMM語音識(shí)別的方法。試驗(yàn)結(jié)果表明，此方法能夠降低系統(tǒng)的識(shí)別時(shí)間，還能提高系統(tǒng)