计算机语音识别技术及其应用.doc

计算机语音识别技术及其应用 作者：何好义 作者信息：武汉铁路局武昌东车站安技科信息车间，湖北 武汉 文章点击数:0 文章登入时间: 2005-6-22 所属刊目：2005年第六期，总第80期 文章页数：[1]? ????[摘???要]计算机语音识别技术近年来得到了飞速的发展并且在越来越多的领域内得到了应用。文章介绍了该技术的基本原理和目前的应用状况，并预测了将来的发展趋势。????[关键词]语音识别；声纹[中图分类号] TP316?????[文献标识码] A????［文章编号］ 1008-1151(2005)06-0070-03???1 引??言　　计算机语音技术是语音通信领域的一个重要部分，它包括四种技术，即语音分析技术、语音存储与再生技术、语音合成技术和语音识别技术。对语音识别的研究，可以追溯到上个世纪的50年代。1952年Davis等人研究成功了世界上第一个识别10个英文数字发音的实验系统。1960年Denes等人研究成功了第一个计算机语音识别系统。　　语音合成技术是以语音为媒介的信息系统的输出装置，即语音输出技术，实现的是文字到语音的转换。比如应用此技术的诸如会说话的钟表、玩具以及各种报警器等。而语音识别技术是实现语音到文字的转换，这是个更加困难的过程，它的目的在于让机器能够“理解”人所说的话的含义，并去执行相应的任务。　　20世纪70年代到80年代，采用计算机语音识别技术研制成了一些实用的系统。例如，1976年由Flanagan报道的“实验的航空查询和购票服务系统”，用于顾客和航空公司的计算机之间关于机票查询及记账购票的服务。1980年报道的日本新干线火车预约坐位系统，叫做Voice Q-A系统（语音问答系统）。它在接受问询时进行会话识别，而在回答时进行语音合成输出。再如由Fant报道的瑞典的语音识别系统，它已被瑞典的Ericsson公司用来装备内部快呼通讯网。使用这个系统打电话时，人们不必再拨号或按数字键，只需说出受话人的姓名就可以接通了。这个系统比日本东芝公司的语音拨号电话机更为先进。后者仅能识别数字，而前者能识别相当数量的词或词组。另外，一些声控设备如声控打字机、声控摄影机等都是采用了语音识别技术的产品。　　2 语音识别的基本原理简介　　2.1语音和语言处理涉及的技术包括很多方面。简单地讲有：　　2.1.1语音识别（ASR）：把声音变成文字（相当于耳朵的功能）；　　2.1.2语言理解（NLU）：把文字变成语义（相当于大脑之语言区的功能）；　　2.1.3语音合成（TTS）：把文字变成声音（相当于嘴巴的功能）；　　2.1.4声纹识别（VPR）：通过声音对人的身份进行辨认和/或确认（耳朵的功能），等等。　　2.2任何语音识别系统包括如下几个部分　　2.2.1采样，将模拟信号数字化；　　2.2.2确定输入信号（单元或词）的起始端和终止端，通过语音检测器对语音信号的幅度值是否超过最低限值来判定；　　2.2.3由数字滤波器直接地或由模拟滤波器间接地计算语音谱；　　2.2.4音调轮廓图估价；　　2.2.5分解输入信号，鉴定语音的特征；　　2.2.6单词识别，既可利用“自底朝上”技术将输入的语音特征与所需要词汇的特征比较而确定，也可以利用“自顶朝下”技术在数据库的模式中确定全部输入单元代表的词语；　　2.2.7对输入信息做出响应，即显示相应的词汇或字符串等。　　2.3语音识别的步骤分为两步　　2.3.1根据识别系统的类型选择能满足要求的一种识别方法，采用语音分析技术预先分析出这种识别方法所要求的语音特征参数，这些语音参数作为标准模式由计算机储存起来，形成标准模式库，或称为词典或模板。该过程称为“学习”或“训练”。在某些识别系统中，还备有专家知识库，在其中存储有语音学专家的各种知识，如同音字判决规则、构词规则、语法规则、语义规则等。对于不同的语种有不同的语言学专家知识库，对于汉语也有其特有的专家知识库。　　2.3.2就是识别的过程。先要对输入语音信号进行预处理，包括预加重、模数转换、自动增益控制（AGC）、去除噪声等。　　2.4评价一个实用的语音识别系统的优劣，主要应考虑三个方面：　　2.4.1使用时受限制的条件要少，这样应用的范围才能更广；　　2.4.2识别速度要快；　　2.4.3系统的价格要合理，否则就难以推广使用。　　目前，商用语音识别系统大都是限定孤立单词特定人的识别系统，这种系统存在的问题最少（如单词的端点检测比较容易，单词发音比较认真，单词之间的协同发音影响较少等），其识别技术可以用到单词挑选和连续语音识别中去。孤立单词识别系统的特征选取有幅度（或功率）、过零率、整体平衡（高低频能量平衡）和精确语谱等几种。在精确语谱中又有DFT