基于隱馬爾可夫模型的語音識別技術(shù)研究.pdf

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchofSpeechRecognitiontechnologyBasedonHA心僵ByShuangyanJin一一fSupervisor：ProfHaoliangLiRadioPhysicsSchoolofInformationEngineeringMay2013摘要摘要語音識別技術(shù)是機器學習的重要內(nèi)容之一，涉

2、及信息處理、人工智能和模式識別等多個學科內(nèi)容，已經(jīng)在社會生活中得到廣泛的應(yīng)用。語音識別是讓機器聽懂人的語言，理解人的意圖，并對其做出相應(yīng)的反應(yīng)，實現(xiàn)人與機器的交互通信。本文基于隱馬爾可夫模型(HiddenMarkovModel)，建立了一套語音識別仿真系統(tǒng)。本文首先分析語音信號的預(yù)處理過程，提出采用雙門限法，即將短時能量和短時過零率相結(jié)合，對語音信號進行端點檢測。相對于單一方法的端點檢測方法能得到更精確的語音段，為語音信號的后續(xù)處理奠定

3、了基礎(chǔ)。接著詳細闡述了兩種特征參數(shù)提取方法，包括線性預(yù)測倒譜系數(shù)(LPCC)和Mel倒譜系數(shù)(MFCC)，并分析了MFCC的一階差分系數(shù)，得出結(jié)合一階差分后的倒譜參數(shù)，可將語音識別率提高4％左右。最后，本文著重研究了基于HMM的語音識別算法，在Mmlab平臺上實現(xiàn)了一個較為完整的語音識別仿真過程，包含語音庫的建立、預(yù)處理、特征參數(shù)提取、訓練(即參數(shù)選擇)、識別等過程。本論文建立了一個由10個人的錄音組成的語音數(shù)據(jù)庫，由漢語數(shù)字0～9、“

4、鄭”、“州”、“大”、“學”共14個樣本組成，總共700個發(fā)音，為論文提供仿真實驗數(shù)據(jù)。對HMM在實際中的應(yīng)用做了優(yōu)化處理，包括初始模型選取、Viterbi算法的對數(shù)處理以及參數(shù)重估問題。通過分析實驗結(jié)果，得出CHMM狀態(tài)數(shù)為4，訓練次數(shù)為20次，特征參數(shù)選取48維LPCC和MFCC的混合參數(shù)，可使語音識別系統(tǒng)對于漢語孤立詞的識別率達到90％。在試驗過程中本文還分析了由于漢語發(fā)音的復(fù)雜性和特殊性而引起的有些樣本元素的誤識問題，并提出了待