基于HTK的漢語連續(xù)數(shù)字語音識別研究.pdf

1、隨著計(jì)算機(jī)與信息技術(shù)的繼續(xù)發(fā)展，語音交互技術(shù)必將成為人機(jī)交互的必要手段。語音識別技術(shù)就是讓機(jī)器聽懂人類的語音并執(zhí)行相關(guān)的動作，是一個(gè)研究的熱點(diǎn)。連續(xù)數(shù)字語音識別是語音識別的一個(gè)重要分支，它在現(xiàn)實(shí)中具有廣泛的應(yīng)用前景，在互聯(lián)網(wǎng)，通信，軍事，國防，人機(jī)交互等方面都有重要的應(yīng)用價(jià)值。雖然這方面的研究有很多，但目前仍有許多問題有待進(jìn)一步探索。 本文主要研究的是基于HTK的漢語連續(xù)數(shù)字的識別以及相關(guān)研究，首先對HTK（Hidden Mar

2、kov Model Toolkit）的軟件結(jié)構(gòu)以及HTK工具包進(jìn)行了分析，搭建出基于HTK的漢語連續(xù)數(shù)字語音識別系統(tǒng)，測試了聲學(xué)模型，高斯混合分量和MFCC維數(shù)對系統(tǒng)識別率的影響。接著，在理解了基于HTK的語音識別系統(tǒng)的搭建過程的基礎(chǔ)上，實(shí)現(xiàn)了基于HTK的語音撥號系統(tǒng)，是對電話號碼和人名的語音識別。 然后，進(jìn)行了基于ATK(API of HTK)的實(shí)時(shí)語音識別的初步研究。討論了使用ATK建立一套實(shí)時(shí)語音識別系統(tǒng)的過程，并且實(shí)現(xiàn)了

3、基于ATK的實(shí)時(shí)語音撥號系統(tǒng)，但是識別效果不理想。對較為復(fù)雜的語音識別網(wǎng)絡(luò)，開展了HTK中語音識別網(wǎng)絡(luò)的研究，導(dǎo)出了一種優(yōu)化語音識別網(wǎng)絡(luò)的方法，并且從理論上證明和實(shí)驗(yàn)上驗(yàn)證了其正確性。 最后，針對語音識別和因特網(wǎng)傳輸技術(shù)的特點(diǎn)，設(shè)計(jì)出簡單的語音識別網(wǎng)絡(luò)傳輸方案：采用客戶/服務(wù)器模式，在客戶端提取出語音信號的特征參數(shù)，采用TCP協(xié)議把特征參數(shù)傳輸給服務(wù)器，由服務(wù)器完成識別與訓(xùn)練的工作。系統(tǒng)使用HTK和Visual C++編程工具，