基于HTK的维吾尔语连续语音识别研究

论文摘要

语音识别将语音数据转换成文本序列,是人机语音交互的主要组成部分。语音识别技术从最初的孤立数字识别发展到现阶段的非特定人、大词汇量连续语音识别。维吾尔语属于阿尔泰语系突厥语族,是黏着性语言,同一词干利用丰富的词缀可产生超大词汇。维吾尔语发音时由若干音素拼接而成,在元音和谐、辅音结合等方面有自己独特的规律。本文结合维吾尔语自身特点,建立了包括64个发音人的维吾尔语连续语音语料库;研究了维吾尔语连续语音识别基元的选取。基于以上研究,本文选取三音子作为基本的识别单元,利用国际上流行的语音识别工具——隐马尔科夫模型工具(HTK)建立了维吾尔语的三音子声学模型,并使用决策树、三音子绑定、修补哑音、增加高斯混合分量等方法提高模型的识别精度。在词层上,本文使用了适合于维吾尔语语音特征的语言模型——基于统计的二元文法语言模型。最后,在DOS环境下,本文采用上下文相关的三音子声学模型结合基于统计的二元文法语言模型对测试集进行了大量的识别实验,句子的识别率达到了68.98%,词的识别率达到了94.65%。用VC2005对HTK工具进行二次开发,创建了维吾尔语连续语音识别系统,并进行了实时的语音识别实验,男生和女生句子的识别率分别达到了63.31%和65.67%,,词的识别率分别达到了90.25%和91.40%。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 语音识别的发展与现状
• 1.1.1 语音识别的发展
• 1.1.2 语音识别的现状
• 1.2 语音识别的难点及今后的研究趋势
• 1.3 本文选题的依据与研究意义
• 1.4 本文的工作和内容的安排
• 第二章 基于HMM 的连续语音识别技术
• 2.1 语音信号处理
• 2.1.1 端点检测技术
• 2.1.2 语音特征参数提取
• 2.2 语音声学模型
• 2.2.1 隐马尔可夫模型（HMM）的思想及定义
• 2.2.2 HMM 的三个基本问题
• 2.3 语言模型
• 2.3.1 基于规则的语言模型
• 2.3.2 基于统计的语言模型
• 2.4 语音识别器
• 第三章 基于HTK 的维吾尔语连续语音识别研究
• 3.1 隐马尔可夫模型工具（HTK）
• 3.2 维吾尔语语音语料库的建立
• 3.2.1 文本语料库的收集
• 3.2.2 文本语料的选择
• 3.2.3 语音语料库的建立
• 3.3 维吾尔语声学模型的建立
• 3.3.1 维吾尔语语音特点
• 3.3.2 维吾尔语语音识别基元的选择
• 3.3.3 语音模型参数共享
• 3.3.4 增加混合分量优化声学模型
• 3.4 维吾尔语语言模型的建立
• 3.4.1 基于规则的语言模型
• 3.4.2 基于统计的语言模型
• 3.4.3 词典的建立
• 3.4.4 识别
• 3.5 维吾尔语连续语音识别实验
• 3.5.1 实验环境
• 3.5.2 识别结果的评价标准
• 3.5.3 声学层语音识别实验
• 3.5.4 基于统计语言模型的实验
• 3.5.5 更换测试集的实验
• 第四章 维吾尔语连续语音识别系统的实现
• 4.1 应用系统的基本结构
• 4.2 应用程序的实现
• 4.2.1 多线程机制与重输出
• 4.2.2 拉丁转写
• 4.3 实时识别
• 第五章 总结与展望
• 5.1 总结
• 5.2 工作展望
• 参考文献
• 致谢
• 硕士期间发表的论文