基于HTK的漢語數(shù)碼語音識別研究.pdf

1、隨著計(jì)算機(jī)與信息技術(shù)的持續(xù)發(fā)展,語音交互必將成為人機(jī)交互的必要手段。語音識別技術(shù)經(jīng)過了近半個世紀(jì)的發(fā)展，目前已日趨成熟,并得到廣泛的應(yīng)用，但還遠(yuǎn)不能說完美得沒有任何值得研究、值得改進(jìn)的地方。就算初看起來很簡單的漢語數(shù)碼語音識別，雖然它已經(jīng)在電話自動撥號、家電產(chǎn)品的遙控、工業(yè)控制等領(lǐng)域中開始發(fā)揮作用，但是仍然有很大的深入研究空間，以提高識別系統(tǒng)的速度、穩(wěn)健性和識別率。本文結(jié)合隱馬爾可夫模型原理，用MATLAB語言編程實(shí)現(xiàn)了漢語離散數(shù)碼語音

2、識別系統(tǒng)；并利用HTK（HMMToolKit）語音處理工具箱，實(shí)現(xiàn)了漢語離散數(shù)碼和漢語連續(xù)數(shù)字語音識別系統(tǒng)。 首先，本文介紹了語音識別技術(shù)的國內(nèi)外發(fā)展?fàn)顩r，分析了漢語數(shù)碼，特別是漢語連續(xù)數(shù)字語音識別中面臨的困難，在此基礎(chǔ)上闡明了本課題的研究背景和意義。 其次，詳細(xì)討論了語音識別系統(tǒng)的基本原理構(gòu)成模型，介紹了語音信號的數(shù)學(xué)模型、預(yù)處理和特征參數(shù)提取等過程，確定了MFCC 參數(shù)作為識別參數(shù)。并討論了本文語音識別系統(tǒng)采用的隱馬

3、爾可夫模型(Hidden Markov Model,HMM)，介紹了HMM的定義，三個基本問題以及基本算法等問題。著重討論了HMM 在實(shí)際應(yīng)用中的一些具體問題，通過實(shí)驗(yàn)確定了漢語數(shù)碼語音識別系統(tǒng)的最佳狀態(tài)數(shù)及混合度數(shù)。 接著，簡單介紹HTK的軟件結(jié)構(gòu)及HTK 工具包，著重討論了基于HTK的語音識別系統(tǒng)的搭建過程，通過漢語離散數(shù)碼，以及連續(xù)數(shù)字語音識別系統(tǒng)證明識別單元、高斯混合分量的數(shù)目，MFCC 維數(shù)的適當(dāng)組合可提高系統(tǒng)的正確識