基于HMM的語(yǔ)音標(biāo)引系統(tǒng)開(kāi)發(fā).pdf

1、語(yǔ)音是人類重要的、有效的和常用的通信形式，這就很容易讓人想到能否用自然語(yǔ)言代替?zhèn)鹘y(tǒng)的人機(jī)交流方式如鍵盤(pán)、鼠標(biāo)等。隨著現(xiàn)代科學(xué)和計(jì)算機(jī)技術(shù)、模式識(shí)別和信號(hào)處理技術(shù)的發(fā)展，使得能滿足各種需要的語(yǔ)音識(shí)別系統(tǒng)的實(shí)現(xiàn)成為可能。本文開(kāi)發(fā)一個(gè)實(shí)用的語(yǔ)音識(shí)別標(biāo)引系統(tǒng)，以解決電視臺(tái)媒體內(nèi)容管理中資料的錄入問(wèn)題。 本文首先闡述了語(yǔ)音的端點(diǎn)檢測(cè)，給出了常用時(shí)域特征及系統(tǒng)所采用的相關(guān)法檢測(cè)，提出了基于動(dòng)態(tài)始端的連續(xù)語(yǔ)音端點(diǎn)檢測(cè)方法。在特征提取上，采用了

2、美爾倒譜作為特征參數(shù)，給出了系統(tǒng)的頻帶劃分，并對(duì)提高語(yǔ)音動(dòng)態(tài)特性的能力做了分析。接著詳細(xì)地論述了在語(yǔ)音識(shí)別建模中廣泛采用的隱馬爾可夫模型的理論和建模方法，模型的三個(gè)主要問(wèn)題及連續(xù)隱馬爾可夫模型原理和隱馬爾可夫模型的種類，并對(duì)多元混合高斯模型的逼近能力做了仿真。 在理論的基礎(chǔ)上，闡述了本系統(tǒng)的訓(xùn)練和識(shí)別算法。系統(tǒng)采用了分段K均值訓(xùn)練算法，給出了初值的選取方法，K均值算法及其聚類效果，比較了不同初值對(duì)其影響，對(duì)分段k均值的似然重估算

3、法做了仿真，并對(duì)算法中產(chǎn)生的空組問(wèn)題提出了解決方案。針對(duì)本特定系統(tǒng)，提出了狀態(tài)級(jí)的共享訓(xùn)練算法。在識(shí)別上，首先給出了識(shí)別的語(yǔ)言模型，分析了分層構(gòu)筑算法和幀同步viterbi算法，將模型的段長(zhǎng)概率用做識(shí)別的后處理并提出了懲罰性計(jì)算和余弦函數(shù)加權(quán)，使段長(zhǎng)概率真正的反應(yīng)了其段長(zhǎng)特性，提高了識(shí)別率。為了實(shí)現(xiàn)本系統(tǒng)的實(shí)時(shí)響應(yīng)，一方面簡(jiǎn)化了對(duì)連續(xù)隱馬爾可夫模型的高斯觀察概率的計(jì)算，避免了指數(shù)和對(duì)數(shù)的運(yùn)算，另一方面提出了以連續(xù)雙緩沖為結(jié)構(gòu)，高斯概率首

4、先計(jì)算的實(shí)時(shí)計(jì)算方法，借助Windows低層音頻技術(shù)實(shí)現(xiàn)了語(yǔ)音的輸入和識(shí)別同時(shí)進(jìn)行，使系統(tǒng)達(dá)到了實(shí)用的要求。在對(duì)非語(yǔ)音的據(jù)識(shí)上也給出了自己的方法。 最后，給出了標(biāo)引系統(tǒng)的具體實(shí)現(xiàn)。以客戶機(jī)服務(wù)器模式為架構(gòu)，系統(tǒng)采用了Windows低層音頻輸入技術(shù)、用于數(shù)據(jù)存儲(chǔ)和傳輸?shù)腦ML語(yǔ)言及其與高級(jí)語(yǔ)言接口DOM技術(shù)和數(shù)據(jù)庫(kù)連接技術(shù)。在具體的訓(xùn)練和識(shí)別上，給出了具體的參數(shù)設(shè)置、空間分配、軟件結(jié)構(gòu)和實(shí)現(xiàn)過(guò)程。為了方便標(biāo)引人員使用，系統(tǒng)擁有友好