非特定人连续数字语音识别研究

论文摘要

语音识别研究的理论研究已经非常成熟，达到了很高的识别效果。我国语音识别研究工作起步于五十年代，但近年来发展很快。研究水平也从实验室逐步走向实用。然而，由于将语音识别应用于实际时，存在背景噪音、方言口音、口语等多方面的影响，一直没有在实际中取得广泛应用。尤其对于嵌入式应用场合，面临着非常复杂的环境，更要解决这些影响，使语音识别系统能应用于实际使用环境。由于论文在语音识别方面的研究刚刚起步，且大词汇量语音识别系统需要建立词典涉及到很多语言学知识，并且需要大型语音库，因此论文主要研究了非特定人数字串语音识别系统，内容包括自适应端点检测门限研究，Mel倒谱系数(MFCC)各维系数对识别结果的贡献，持续时间状态模型的参数选取，以及隐马尔可夫(HMM)状态数选取，训练集大小选取等问题。端点检测方面，在分析了经典双门限检测方法后，认为经典方法中，高门限取值为多帧语音数据能量平均值乘以固定系数a(a=1)在信噪比改变的情况下是不合理的，需要在实际应用之前，对系统进行自适应，通过逐步逼近的方法取得合适的系数a，再进行识别。实验证明，对系统进行自适应后，大大提高了系统的信噪比应用范围。MFCC系数是语音识别领域一个非常有效的声学特征，传统实验认为，由于前两维系数反应的是幅度值，对识别结果有负效果，应该丢弃MFCC的第一维和第二维。然而，经过实验后发现，虽然这两维系数对区分数字贡献不大，但是可以用来区分语音和背景噪音，可以应用在端点检测阶段，不应该简单丢弃。最后，论文还对持续时间状态模型的参数选取，HMM状态数和训练集大小进行了实验，结果表明持续时间的均值为220ms，方差为60ms，HMM状态数为5，训练集大小为30是比较合理的。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 背景目的和意义
• 1.2 语音识别的基本概念
• 1.3 发展历史和国内外现状
• 1.3.1 语音识别的早期研究（76年以前）
• 1.3.2 语音识别的中期研究（77年-82年）
• 1.3.3 语音识别的近期研究（83年-95年）
• 1.3.4 语音识别的现状（96年至今）
• 1.4 研究内容
• 2 前端处理与特征提取
• 2.1 前端处理
• 2.1.1 流程简介
• 2.1.2 预加重
• 2.1.3 分帧
• 2.1.4 加窗
• 2.1.5 低通滤波
• 2.2 端点检测
• 2.2.1 端点检测的目的
• 2.2.2 传统算法
• 2.2.3 自适应算法
• 2.2.4 实验结果与讨论
• 2.2.5 在端点检测中使用频域特征的探索
• 2.3 特征提取
• 2.3.1 常用声学特征
• 2.3.2 MFCC基本原理与计算流程
• 2MFCC'>2.3.3 MFCC，△MFCC与△²MFCC
• 2.3.4 各维对识别结果的贡献
• 3 HMM基本原理
• 3.1 一般Markov模型
• 3.2 隐Markov模型（HMM）
• 3.3 连续HMM
• 3.4 持续时间状态模型
• 4 HMM应用于语音识别
• 4.1 基本原理
• 4.2 孤立词识别到连续词识别的转换（LB算法）
• 4.3 多个训练集的处理
• 4.4 系统实验与分析
• 4.4.1 实验环境与数据库的建立
• 4.4.2 HMM转移矩阵的选择
• 4.4.3 HMM状态数的确定
• 4.4.4 训练集大小的影响
• 4.5 错误分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢