漢語(yǔ)孤立詞語(yǔ)音識(shí)別的研究與實(shí)現(xiàn).pdf

1、孤立詞語(yǔ)音識(shí)別實(shí)現(xiàn)簡(jiǎn)單、技術(shù)成熟，有著廣泛的應(yīng)用領(lǐng)域，是深入進(jìn)行語(yǔ)音識(shí)別研究的基礎(chǔ)。隱馬爾可夫模型(HMM)是目前最流行的語(yǔ)音識(shí)別技術(shù)，許多成功的語(yǔ)音識(shí)別系統(tǒng)都是基于該技術(shù)實(shí)現(xiàn)的。本文通過(guò)一個(gè)在Windows平臺(tái)上用VC++實(shí)現(xiàn)的基于連續(xù)隱馬爾可夫模型(CDHMM)的漢語(yǔ)小詞匯量、非特定人、孤立詞語(yǔ)音識(shí)別系統(tǒng)，對(duì)孤立詞語(yǔ)音識(shí)別進(jìn)行了研究。 論文首先研究了語(yǔ)音識(shí)別的基本知識(shí)，主要包括語(yǔ)音識(shí)別的原理；語(yǔ)音信號(hào)處理的基本知識(shí)；各種語(yǔ)音

2、識(shí)別和訓(xùn)練的方法。然后研究了隱馬爾可夫模型的原理及其在語(yǔ)音識(shí)別中的應(yīng)用。 在此基礎(chǔ)上論文主要工作有以下： 1)完成了一個(gè)使用連續(xù)隱馬爾可夫模型的漢語(yǔ)小詞匯量、非特定人、孤立詞語(yǔ)音識(shí)別系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)，并進(jìn)行了實(shí)驗(yàn)。由于使用VC++實(shí)現(xiàn)系統(tǒng)，對(duì)信號(hào)處理較為復(fù)雜。因此在實(shí)現(xiàn)時(shí)沒(méi)有選用美爾頻率特征系數(shù)(MFCC)，而是選用了近似于MFCC但計(jì)算相對(duì)簡(jiǎn)單的LPC美爾倒譜系數(shù)(LPCMCC)作為特征參數(shù)。 2)實(shí)驗(yàn)時(shí)發(fā)現(xiàn)系

3、統(tǒng)中的雙門(mén)限端點(diǎn)檢測(cè)方法對(duì)噪聲較敏感，當(dāng)語(yǔ)音信號(hào)中混入噪聲時(shí)，檢測(cè)結(jié)果就會(huì)變得不準(zhǔn)確；針對(duì)這一問(wèn)題，對(duì)端點(diǎn)檢測(cè)做了研究，提出了一種變幀長(zhǎng)自適應(yīng)門(mén)限的端點(diǎn)檢測(cè)方法； 3)分析了特征參數(shù)各維系數(shù)在語(yǔ)音識(shí)別中的貢獻(xiàn)，給出了提高特征參數(shù)抗噪聲性能的方法： 4)最后本文針對(duì)Baum-Welch算法進(jìn)行HMM參數(shù)估計(jì)速度慢、效率低的問(wèn)題，給出了改進(jìn)的方法。在使用Baum-Welch算法訓(xùn)練HMM模型時(shí)，語(yǔ)音識(shí)別系統(tǒng)的速度和效率比較低