基于HMM連續(xù)語(yǔ)音識(shí)別中關(guān)鍵技術(shù)的改進(jìn)算法研究.pdf

1、語(yǔ)音是人類(lèi)最自然、最方便的交流工具。在現(xiàn)場(chǎng)交流中，它傳播速度快，可以在黑暗中便捷的傳播，是圖片、文字或者按鈕等其他視覺(jué)、觸覺(jué)信息無(wú)法替代的工具。隨著計(jì)算機(jī)技術(shù)的發(fā)展，和計(jì)算機(jī)進(jìn)行語(yǔ)言交流，使之理解人類(lèi)語(yǔ)言成為人們的夢(mèng)想和追求，而實(shí)現(xiàn)它的首要前提是使機(jī)器能夠識(shí)別人類(lèi)語(yǔ)言，即語(yǔ)音識(shí)別。
　　 語(yǔ)音識(shí)別技術(shù)已取得巨大成就，形成了隱馬爾可夫模型(HMM)等有效識(shí)別技術(shù)，但語(yǔ)音識(shí)別仍存在著一系列問(wèn)題亟待解決與改進(jìn)，如對(duì)環(huán)境和說(shuō)話人的自適應(yīng)

2、性、抗噪聲干擾性、聲音模型和語(yǔ)言模型的完善化、訓(xùn)練工作量和識(shí)別速度的優(yōu)化等。本文以提高語(yǔ)音識(shí)別對(duì)環(huán)境的適應(yīng)性及優(yōu)化識(shí)別算法為主要目的，基于現(xiàn)代信號(hào)處理理論提出了一些新算法和新方案。主要內(nèi)容和創(chuàng)新性成果如下：
　　 1.分析了語(yǔ)音識(shí)別技術(shù)的現(xiàn)狀和現(xiàn)有理論，并指出存在的不足。
　　 2.為了降低語(yǔ)音信號(hào)特征參數(shù)求解算法的復(fù)雜性，針對(duì)基音周期，本文提出了利用變長(zhǎng)短時(shí)自相關(guān)函數(shù)和變長(zhǎng)短時(shí)平均幅度差函數(shù)計(jì)算。這些方法通過(guò)降低加、乘

3、法計(jì)算次數(shù)來(lái)減少計(jì)算量，原理上也體現(xiàn)了數(shù)學(xué)中滑動(dòng)平均的思想。仿真實(shí)驗(yàn)結(jié)果表明，與原有的短時(shí)自相關(guān)和短時(shí)平均幅度差函數(shù)方法比較，新算法在估計(jì)準(zhǔn)確率相同的情況下，可節(jié)省50％的計(jì)算時(shí)間，大大提高了算法的效率。
　　 3.針對(duì)線譜頻率參數(shù)，本文分析了求解原理和計(jì)算過(guò)程，提出先求M(x)的根來(lái)確定參數(shù)的所在區(qū)間，然后再利用二分法進(jìn)一步迭代縮小區(qū)間的新算法，相較于固定步長(zhǎng)的算法，迭代次數(shù)要少很多。仿真實(shí)驗(yàn)及分析表明，新算法與其他三種傳統(tǒng)算

4、法相比，各種運(yùn)算次數(shù)明顯減少，乘法運(yùn)輸量?jī)H為其他算法的13％～58％，且更加易于工程實(shí)現(xiàn)。
　　 4.語(yǔ)音端點(diǎn)的檢測(cè)是語(yǔ)音識(shí)別的一個(gè)重要組成部分。傳統(tǒng)的基于能量或過(guò)零率等特征的語(yǔ)音端點(diǎn)檢測(cè)，在強(qiáng)噪聲環(huán)境下，往往不能達(dá)到理想效果。實(shí)踐表明直接通過(guò)人眼對(duì)語(yǔ)音波形圖或頻譜圖進(jìn)行端點(diǎn)檢測(cè)往往比使用傳統(tǒng)的自動(dòng)檢測(cè)方法更好，所以用圖形處理替代人眼識(shí)別可得到一種新的端點(diǎn)檢測(cè)方法，實(shí)驗(yàn)表明該方法效果良好。
　　 5.針對(duì)HMM方法的訓(xùn)練