基于HMM的漢語語音關(guān)鍵詞檢測研究與實(shí)現(xiàn).pdf

1、語音是人類相互通信和交流的最方便快捷的手段，讓機(jī)器能夠聽懂人類語言或按照人類意志進(jìn)行相關(guān)操作是人們長期以來夢寐以求的目標(biāo)。關(guān)鍵詞檢測是自動語音識別的一個特殊分支，其主要任務(wù)是從連續(xù)的語音中檢測出具體應(yīng)用所需要的少量特定詞匯。相對于連續(xù)語音識別，關(guān)鍵詞檢測技術(shù)具有資源耗費(fèi)少、識別率高和實(shí)用性強(qiáng)的優(yōu)點(diǎn)，因此有著廣泛的應(yīng)用前景。隱馬爾可夫模型(HMM)是各類語義識別系統(tǒng)的主流模型，它是完成準(zhǔn)平穩(wěn)時變信號分析和識別的有利工具，能夠很好地描述語音

2、特征的動態(tài)變化和統(tǒng)計分布。本文在系統(tǒng)分析關(guān)鍵詞檢測系統(tǒng)基本框架、HMM原理、語音特征參數(shù)提取及分形維算法的基礎(chǔ)上，針對現(xiàn)有關(guān)鍵詞檢測系統(tǒng)在訓(xùn)練樣本、填料模板、檢測效率、檢測時間方面存在的問題，重點(diǎn)研究設(shè)計了基于HMM的漢語語音關(guān)鍵詞檢測系統(tǒng)，并在填料模板創(chuàng)建、狀態(tài)搜索算法和檢測確認(rèn)策略等方面做了諸多改進(jìn)。論文主要研究內(nèi)容如下： (1)研究了HMM模型的建模過程，詳細(xì)分析了前向—后向算法、Viterbi最佳路徑搜索算法、基于Bau

3、m—Welch的多觀察序列輸出高斯混合模型的參數(shù)重估算法，以及與之相應(yīng)的概率輸出、最佳狀態(tài)解碼和模型參數(shù)估計等問題，為在語音識別中應(yīng)用HMM打下了基礎(chǔ)。 (2)提出了基于動態(tài)幀長的語音信號分析方法；在語音信號特征提取時，先估計當(dāng)前語音單位的持續(xù)時間，再根據(jù)持續(xù)時間動態(tài)確定窗長，進(jìn)行分幀，該方案緩解了因為訓(xùn)練樣本質(zhì)量和數(shù)量問題引起的關(guān)鍵詞檢測系統(tǒng)的性能惡化，提高了匹配模板的穩(wěn)定性，并應(yīng)用到檢測過程中，實(shí)現(xiàn)了語速自適應(yīng)。 (

4、3)論證了語音分形維原理，并根據(jù)分形維實(shí)現(xiàn)了音節(jié)實(shí)時分割；在此基礎(chǔ)上實(shí)現(xiàn)了關(guān)鍵詞訓(xùn)練系統(tǒng)的樣本自動標(biāo)注和檢測系統(tǒng)的兩步式狀態(tài)解碼算法。 (4)對填料模型的結(jié)構(gòu)和類型進(jìn)行了研究，吸取韻母聚類模型和音節(jié)格模型的優(yōu)點(diǎn)，提出了基于音節(jié)聚類的填料模型，節(jié)省了系統(tǒng)的檢測時間，提高系統(tǒng)的檢測率。 (5)構(gòu)建了關(guān)鍵詞首音節(jié)模型和關(guān)鍵詞確認(rèn)模型，先用填料模型和關(guān)鍵詞首音節(jié)模型與輸入語音片斷進(jìn)行匹配，如果最佳匹配結(jié)果落入某類關(guān)鍵詞首音節(jié)域，