基于MAP的口令識別系統(tǒng)的實現(xiàn).pdf

1、非特定人(SpeakerIndependent，SI)語音識別系統(tǒng)在科研人員的努力下獲得了令人滿意的性能，逐步進入實用階段，但是系統(tǒng)的識別性能仍然不能與特定人(SpeakerDependent，SD)語音識別系統(tǒng)的性能相媲美，關鍵的問題就在于非特定人識別系統(tǒng)對某個使用者的識別正確率不能滿足實用化的要求，那是因為不同說話人語音的差異造成的，這也是非特定人識別系統(tǒng)走向實用化必須要解決的問題。因此語音識別自適應技術具有很重要的意義。
　

2、　 本文以分析不同說話人語音之間的差異為起點，討論了目前說話人自適應的常用方法。對目前語音識別主要的自適應方法：基于最大后驗概率(MAP)的自適應方法和最大似然線性回歸(MLLR)自適應方法進行了深入的分析和實驗驗證，并對他們的主要參數(shù)和實現(xiàn)方式進行了實驗和討論。最后對比實驗證明，這兩種自適應方法都取得了令人滿意的效果，并分析了他們各自的優(yōu)點和不足。
　　 在綜合討論和實驗驗證的基礎上，實現(xiàn)了一個具有自適應功能的中等詞匯量的口

3、令識別系統(tǒng)，使用的是MAP算法，該方法的優(yōu)點是利用了參數(shù)的先驗知識，理論推導表明，這種方法可以使非特定人識別系統(tǒng)的模型參數(shù)向特定人識別系統(tǒng)的模型無限接近，具有漸進性，適合中小詞匯量的語音識別系統(tǒng)。同時也對語音參數(shù)類型進行選擇，參數(shù)的提取，語音信號的降噪處理等關鍵技術的運用進行了詳細的說明和驗證，并通過實驗對隱馬爾可夫模型的狀態(tài)數(shù)和混合度的選取對系統(tǒng)性能的影響進行了分析。最后建立專門的語料庫，對系統(tǒng)的性能進行驗證，結果表明，使用了MAP自