语音信号处理作业13 .pdfVIP

语音识别技术的发展历程及发展趋势

专业：信号与信息处理

学生：李文秀

学号：201105031

日期：2012-5-3

语音识别技术的发展历程及发展趋势

1语音识别技术的发展历程

语音识别研究从二十世纪50年代开始到现在已经历半个多世纪的蓬勃发展，

在这期间获得了巨大的进展。这里仅仅按照一些重要方法的出现和发展为线索进

行简要回顾。

50年代，研究人员大都致力于探索声学—语音学的基本概念。1952年ATT

Bell实验室实现了一个单一发音人孤立发音的十个英文数字的语音识别系统，

方法主要是度量每个数字的元音音段的共振峰。1956年，RCALab开展的一项

独立研究也是试图识别单一发音人的10不同的音节，同样采用了度量共振峰的

方法。1959年，英国UniversityCollege的研究人员尝试用谱分析和模板匹配

方法构建了一种音素识别器，用以识别4个元音和9个辅音。而MIT林肯实验室

的研究人员则是构建一种非特定人的元音识别器，用于识别嵌在/b/-vowel+/t/

语境中的10个元音。

60年代，相继出现并发表了语音识别的几个重要的思想。但是，伴随着这

个年代的开始却是几个日本的实验室进入语音识别领域，并构建一些专用的硬件

用于语音识别系统。东京RadioResearchLab首先构建了一个用硬件实现的元

音识别器。语音信号经过精心制作的带通滤波器进行谱分析和通道输出谱加权处

理后，用多数逻辑决策电路选择输入语音中元音的识别结果。1962年，东京大

学进行了另一个音素识别器的硬件实现的尝试。它使用过零率方法分离语音信号

的不同部分，并进行识别。1963年，日本NECLab对数字进行语音识别的尝试

可以算得上最值得注意的工作，因为它不仅是NEC研究语音识别的开端，还导致

一个长期的和卓有成效的研究计划。

在60年代中，三个研究项目的开展对其后20多年的语音识别研究和开发产

生了重大影响。第一个研究项目在RCALab开始于60年代后期，目的是研究语

音事件在时间刻度上不均匀性的现实解决办法。在能够可靠检测出语音事件的始

末点的基础上，发展了一套时间归正的基本方法，显著降低了识别匹配评分的变

化程度。几乎与此同时，前苏维埃的研究人员Vintsyuk提出使用动态规划来对

齐两个不同长度的语音音段。尽管动态时间弯折(DTW)概念的实质和用于连接词

识别的算法雏形已经包含在Vintsyuk的工作中，但直到80年代才在西方广为人

知，并发扬光大。

60年代的最后一项成就是研究人员Reddy用动态跟踪音素的方法进行连续

语音识别的开创性工作。Reddy的这项工作最终在CMU（他在60年后期加入CMU）

1

培育出长期进行的并获极大成功的语音识别研究计划，在连续语音识别系统的研

究方面至今仍然保持世界领先的水平。

70年代，语音识别研究取得了一系列具有里程碑意义的成就。首先，在模

式识别思想、动态规划方法、线性预测思想等基础研究的成功应用的支撑下，孤

立词发音和孤立语句发音的识别成为了可行的有用技术。70年代的另一个里程

碑是在IBM开始了一个长期持续的、卓有成效的大词汇量连续语音识别研究的集

体努力。他们在20多年中研究了三项不同的工作，其中之一就是简单备忘录的

听写系统Tangorn。在这期间，ATTBellLab开展了一系列目的在于建立真正

的非特定人语音识别系统的实验。研究提出了范围广泛的一类复杂的聚类算法，

用于确定能够表示大量人群的不同词语的所有声学变化的不同模式的数量。这些

研究经过10多年的精炼后，成为构建非特定人的模式聚类技术，现在已经得到

充分理解并广泛应用。

继孤立词语识别成为70年代研究的主要焦点之后，连接词语识别的问题则

是80年代研究的焦点。其目标是创建基于用由单个词的模式串接在一起进行匹

配，并能识别由词汇串接组成的流畅话语的可靠系统。形式化并实现了大量连接

词语音识别的算法，例如两层动态规划方法，一遍法，层建法，帧同步层建法。

这些“优化”匹配处理的每一种方法都有它自己的实现优点，并对相当多的任

务进行过探索研究。