面向语音识别的蒙古语声学模型的研究

论文摘要

语音识别是机器通过识别和理解过程把人类的语音信号转变为相应的文本或命令的技术。作为人工智能领域一个重要的研究课题,它的发展将会对未来的人机交互界面带来极大的影响。在语音识别的研究中,非特定人、大词汇量、连续语音识别是最困难,最具挑战性的一个课题。蒙古语是世界范围内有影响的语言,对蒙古语进行语音识别的研究必将促进蒙古文信息处理的发展,具有重要的实际意义。“在给定的某个语音输入下哪个句子是最可能的句子?”,这个问题通常可以转化为计算每个句子的两个概率的乘积问题。这两个乘积项分别是语言模型和声学模型。语言模型给出任意词序列在文本中出现的概率,它可以约束搜索空间,提高裁剪准确性,从而达到降低误识率的作用。声学模型描述某种词序列下产生声学序列的概率,不仅是识别系统的底层模型,而且是语音识别系统中最关键的一部分。为了达到提高声学模型性能的目标,一种途径是精心设计语音数据库的脚本和不断增加语音样本,使语音库尽可能覆盖所有可能的声学和语言现象。另一种途径是研究更好的建模技术,如分类建模和语境相关建模,提高模型的准确性,本文主要研究这方面的内容。

论文目录

• 摘要
• ABSTRACT
• 目录
• 图表目录
• 第一章 绪言
• 1.1 课题来源及研究意义
• 1.2 语音识别研究的历史及现状
• 1.3 论文的研究重点及组织
• 第二章 隐马尔可夫模型基本原理
• 2.1 HMM的基本概念
• 2.1.1 马尔可夫（Markov）过程与马尔可夫链
• 2.1.2 隐马尔可夫模型
• 2.1.3 HMM定义
• 2.2 隐马尔可夫模型的三个基本问题
• 2.2.1 问题1的解决—前向后向算法
• 2.2.1.1 前向算法
• 2.2.1.2 后向算法
• 2.2.2 问题2的解决—Viterbi算法
• 2.2.3 问题3的解决—Baum-Welch算法
• 2.3 隐马尔可夫模型的类型
• 第三章 语音识别系统
• 3.1 语音识别系统框架
• 3.2 语音识别系统分类
• 3.3 语音识别中的关键技术
• 3.3.1 特征参数提取技术
• 3.3.2 建模单元的选取
• 3.3.3 模型训练及模式匹配技术
• 3.3.4 声学模型
• 3.3.5 语言模型
• 第四章 蒙古语连续语音识别系统基础资源建设
• 4.1 蒙古语（Mongolian language）简介
• 4.1.1 蒙古语文字
• 4.1.2 蒙古语语音学
• 4.1.2.1 元音
• 4.1.2.2 辅音
• 4.1.2.3 音节
• 4.1.2.4 元音和谐律
• 4.1.2.5 语音变化
• 4.2 语料库与语音库的建设
• 4.2.1 语料库的建设原则
• 4.2.2 语料的统计选择
• 4.2.3 蒙古语语音识别系统语料库建设
• 4.2.4 蒙古语语音识别系统语音库建设
• 4.3 词典建设
• 第五章 蒙古语连续语音识别系统声学模型的构建
• 5.1 语境相关的建模单元
• 5.2 语境相关建模面临的问题
• 5.3 音子HMM的训练
• 5.4 建模单元的聚类
• 5.4.1 自底向上的合并法
• 5.4.2 自顶向下的分裂法
• 5.4.2.1 决策树状态共享策略
• 5.4.2.2 问题集的设计
• 5.4.2.3 决策树的实现
• 5.4.3 转移矩阵捆绑
• 第六章 识别实验
• 6.1 实验环境
• 6.2 识别实验
• 6.2.1 识别结果的评价标准
• 6.2.2 针对不可见三音子的实验
• 6.2.3 针对稀疏三音子的实验
• 6.3 总结
• 6.4 工作展望
• 参考文献
• 附录 有关基本建模单元的问题集
• 致谢