毕业论文 基于统计的语音识别方法分析报告.docx

Isolatedwordssystemanalysisreport

毕业论文

基于统计的语音识别方法分析报告

ByLinChangZhi

2003/12/26

Isolatedwordssystemanalysisreport

一、摘 错误!未定义书签。1

二、语前识知参银良及状 错误!未定义书签。1

(1)国外严光同良从状 错误!未定义书签。1

(2)网良从羽状 错误!未定义书签。2

三、语背识铆的和基本方法……错误!未定义书签。3

(1)基语青学和声学的方法………错误!未定义书签。3

(2)模板p配的方法…………………错误!未定义书签。4

(3)神经网络的方法…………………错误!未定义书签。6

叫、基纱计的专法分析……错误!未定义书签。6

(1)语信利预处上特征担?……错误!未定义书签。7

(2)声学模型与模式配……………错误!未定义书签。9

(3)语言模型与语言处……………错误!未定义书签。12

13

(1)前端信制处………错误!未定义书签。13

(2)声青模型处理……错误!未定义书签。13

(3)拼浮中处……错误!未定义书签。18

木、三参考大献…………错误!未定义书签。18—

ByLinChangZhi2003/11/26

Isolatedwordssystemanalysisreport

一、摘要

概括语音识别的发展史及现状，总结语音识别的基本方法，并对基于统计的方法作主要的论述，包括语音信号预处理和特征提取的分析，隐马尔可夫模型的分析与在语音识别中的应用分析，模型的训练和识别方法分析等等，最后介绍已有孤立词系统。

二、语音识别发展史及现状

(1)国外研究历史及现状

语音识别的研究工作可以追溯到20世纪50年代ATT贝尔实验室的Audry系统，它是第一个可以识别十个英文数字的语音识别系统。

但真正取得实质性进展，并将其作为一个重要的课题开展研究则是在60年代末70年代初。这首先是因为计算机技术的发展为语音识别的实现提供了硬件和软件的可能，更重要的是语音信号线性预测编码(LPC)技术和动态时间规整

(DTW)技术的提出，有效的解决了语音信号的特征提取和不等长匹配问题。这一时期的语音识别主要基于模板匹配原理，研究的领域局限在特定人，小词汇表的孤立词识别，实现了基于线性预测倒谱和DTW技术的特定人孤立词语音识别系统；同时提出了矢量量化(VQ)和隐马尔可夫模型(HMM)理论。

随着应用领域的扩大，小词汇表、特定人、孤立词等这些对语音识别的约束条件需要放宽，与此同时也带来了许多新的问题：第一，词汇表的扩大使得模板的选取和建立发生困难；第二，连续语音中，各个音素、音节以及词之间没有明显的边界，各个发音单位存在受上下文强烈影响的协同发音(Co-articulation)现象；第三，非特定人识别时，不同的人说相同的话相应的声学特征有很大的差异，即使相同的人在不同的时间、生理、心理状态下，说同样内容的话也会有很大的差异；第四，识别的语音中有背景噪声或其它干扰。因此原有的模板匹配方法已不再适用。

实验室语音识别研究的巨大突破产生于20世纪80年代末：人们终于在实验室突破了大词汇量、连续语音和非特定人这三大障碍，第一次把这三个特性都集成在一个系统中，比较典型的是卡耐基梅隆大学(CarnegieMellonUniversity)的

ByLinChangZhiPage1

2003/11/26

Isolatedwordssystemanal