基于HTK的漢語連續(xù)語音識別系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、語音識別最直接的目的是讓計算機聽懂人說的話。經(jīng)過半個多世紀的發(fā)展，語音識別理論已趨近成熟。大量的實驗結(jié)果和實踐操作證明，目前很多語音識別算法和識別模型非常有效。語音識別技術(shù)己被廣泛應(yīng)用于各行各業(yè)中。本文主要探究了語音識別理論在漢語連續(xù)語音識別中的應(yīng)用。
　　 本文先介紹了語音識別系統(tǒng)的基本流程，語音信號處理的基本理論并且重點探討了端點檢測、特征參數(shù)提取的方法和原理。然后再從以下兩方面對漢語連續(xù)語音識別的方法、原理進行深入的闡述：

2、
　　 一方面從模式識別的研究角度，探討了漢語語音的發(fā)音特點，提取了適合漢語語音識別的特征參數(shù)，訓(xùn)練了相應(yīng)的語音識別模型，并且建立了漢語連續(xù)語音識別實驗平臺。本文基于隱馬爾可夫模型(HMM)的連續(xù)語音訓(xùn)練和識別算法理論，結(jié)合美爾頻率倒譜系數(shù)(MFCC)提取技術(shù)，單音素HMM建模技術(shù)，基于上下文相關(guān)的三音素HMM建模技術(shù)以及基于維特比算法的識別技術(shù)等一系列技術(shù)，利用隱馬爾可夫模型工具箱(HTK)構(gòu)建了基于HTK的連續(xù)語音識別實驗平

3、臺。實驗結(jié)果表明，隨著HMM從單音素建模到三音素建模的轉(zhuǎn)換，測試語句在語句級和字詞級的識別率都呈增加的趨勢，捆綁三音素后識別率達到穩(wěn)定狀態(tài)。語句級和字詞級的識別率分別由開始的76.00％和90.67％提高到最后的96.00％和98.00％，識別效果非常理想。
　　 另一方面從語音識別軟件開發(fā)的角度，設(shè)計和實現(xiàn)了漢語連續(xù)語音識別售票模擬系統(tǒng)。文中先介紹了HTK接口應(yīng)用程序ATK(An Application Toolkit for