漢語語音識別應(yīng)用系統(tǒng)中的若干關(guān)鍵技術(shù)研究.pdf

1、以語音作為人機交互手段所帶來的巨大便利和深遠(yuǎn)影響吸引著人們不斷探索計算機語音合成和語音識別技術(shù)，對于漢語來說，鼠標(biāo)鍵盤的人機方式有先天的劣勢，所以漢語的語音識別更具有現(xiàn)實意義。本文提出了一個完整的漢語識別系統(tǒng)方案，在介紹系統(tǒng)不同模塊的原理同時，分析了典型做法的性能，并以此提出了一系列的改進(jìn)方法。文章重點研究了以下三個領(lǐng)域： 端點檢測算法對孤立詞和連接詞的識別性能有很大影響，本文在經(jīng)典雙門限端點檢測技術(shù)的基礎(chǔ)上，采用設(shè)定上下界的門

2、限值自適應(yīng)方法，并針對漢語語音，提出了基于“字”的端點檢測技術(shù)，避免了語音孤立詞命令因不恰當(dāng)?shù)亩它c檢測而造成的缺字或者前后有雜音時帶來的問題。 實際使用中造成孤立詞識別性能不良的主要原因之一是詞表外（OOV）音頻的存在：使用者或者環(huán)境意外發(fā)出的聲音可能誤認(rèn)為是語音命令而識別。本文比較了多種OOV拒識算法，最后采用了時間歸一化，考慮了模板自匹配性能的神經(jīng)網(wǎng)絡(luò)方法。 對于非特定人識別的另一問題是非特定人模板庫的建立。本文介紹

3、了常用的模板庫建立方式，并提出了一種優(yōu)化模板庫的方法，在不影響非特定人識別性能的前提下，大幅壓縮了模板庫的容量。 本文最后介紹了使用劍橋大學(xué)HTK開發(fā)工具建立的孤立詞識別應(yīng)用：書店導(dǎo)購演示系統(tǒng)，和關(guān)鍵詞檢出應(yīng)用：聲控電子寵物。這兩個系統(tǒng)使用前幾章中的改進(jìn)技術(shù)，調(diào)用Window的API函數(shù)從麥克風(fēng)采集語音信號，使用Mel刻度倒譜系數(shù)MFCC為語音特征，模板匹配采用HTK提供的HMM模型，最后對識別結(jié)果做OOV判決，如果判決認(rèn)為識別