小詞匯量連續(xù)語音識別系統(tǒng)的研究.pdf

1、現(xiàn)代信息科學(xué)的迅猛發(fā)展，智能化工具進(jìn)入人們的生活，致使人們渴望人與機器的交互，甚至期盼人與機器的對話能達(dá)到人與人之間交流的那種自然的水平。在種種思潮的觸動下，對人機交互的研究近兒年來趨丁二活躍。實現(xiàn)對語音的識別是人機交且研究的核心之一，也是它的一個重要研究課題。作為一項具有廣泛社會效益和經(jīng)濟效益的現(xiàn)代信息技術(shù)，語音識別技術(shù)雖然已經(jīng)取得了很大的成就，但是面臨實用化時還存在一系列的問題。要實現(xiàn)性能優(yōu)良、實用化的語音識別系統(tǒng)，人們?nèi)孕枰粩鄬?/p>

2、語音識別的理論、算法進(jìn)行研究，解決和完善語音識別中所存在的各種問題。另外，隨著各種科學(xué)理論的不斷發(fā)展和深入，一些新技術(shù)、新理論也不斷出現(xiàn)，這些都為語音識別的研究奠定了基礎(chǔ)。 本文根據(jù)近期國內(nèi)外對語音識別技術(shù)的集中研究方向，以及目前語音識別技術(shù)在實用性方面存在的一些問題，對語音識別技術(shù)在聲學(xué)模型的改進(jìn)以及語言學(xué)知識的引入方面進(jìn)行了學(xué)習(xí)和研究。首先將代數(shù)算法和BP算法應(yīng)用丁孤立詞的語音識別系統(tǒng)中，通過實驗驗證了代數(shù)神經(jīng)網(wǎng)絡(luò)的優(yōu)越性。

3、在此基礎(chǔ)上，考慮到隱馬爾可大模型自身的一些缺陷和人工神經(jīng)網(wǎng)絡(luò)具有可以與隱馬爾可夫模型互補的一些特點，用代數(shù)神經(jīng)網(wǎng)絡(luò)代替高斯混合器來計算隱馬爾可夫模型的觀測概率，以此提出了一種代數(shù)神經(jīng)網(wǎng)絡(luò)和HMM模型的混合模型。之后，文中對基于混合模型的連續(xù)語音識別系統(tǒng)進(jìn)行了設(shè)計，將語言學(xué)知識引入到模型中，選取三音素作為基本聲學(xué)單元，為訓(xùn)練語音數(shù)據(jù)中用到的所有三音素建立了隱馬爾可夫模型，并采用了基于決策樹的狀態(tài)共享策略，以保證對聲學(xué)模型參數(shù)的充分估計，最

4、后將訓(xùn)練好的各個二音素模型根據(jù)本文中提出的混合模型的原理，構(gòu)建了相應(yīng)的代數(shù)神經(jīng)網(wǎng)絡(luò)，并用相應(yīng)訓(xùn)練數(shù)據(jù)對其訓(xùn)練，最終實現(xiàn)了一個基于混合模型的連續(xù)語音識別系統(tǒng)。 最后，本文在HTK平臺的基礎(chǔ)上，結(jié)合java語言實現(xiàn)了基于混合模型的連續(xù)語音識別系統(tǒng)。結(jié)果證明將混合模型結(jié)合語言學(xué)知識應(yīng)用丁語音識別系統(tǒng)是切實可行的。通過實驗數(shù)據(jù)的對比可得知，依據(jù)此混合模型構(gòu)建的非特定人連續(xù)語音識別系統(tǒng)克服了HMM模型自身的一些缺陷，識別率優(yōu)于基于刪模型構(gòu)