基于改進特征值的語音關鍵詞提取.pdf

1、隨著網(wǎng)絡技術和媒體應用的迅速發(fā)展，網(wǎng)絡中的影音資源所占的比重越來越大。傳統(tǒng)的文本檢索已不能滿足人們需要，視頻檢索由于數(shù)據(jù)量大而得不到應用，語音檢索就顯示出重要的研究價值。語音檢索的核心問題是語音關鍵詞的提取，語音關鍵詞提取衍生于語音識別。語音識別也被稱為自動語音識別(AutomaticSpeech Recognition，ASR)，是將人的說話語音內容轉化為計算機能夠處理的形式。語音關鍵詞提取是建立在語音識別的基礎之上，對語音識別的結果

2、進行進一步分析，從中提取能夠反映語音內容或主題的代表性詞語。語音關鍵詞提取是語音檢索的核心技術之一，具有重要的意義和研究價值，成為近幾年的研究熱點。
　　本文主要研究的是在非限定說話人和非特定任務的情況下進行的，通過基于大詞表(Large Vocabulary)的語音識別技術，利用詞混淆網(wǎng)絡(Word ConfusionNetwork，WCN)并結合文本檢索的相關技術來提取語音文件中關鍵詞。
　　本文首先闡述了語音關鍵詞提取

3、的意義及其研究現(xiàn)狀。然后介紹了語音關鍵詞提取的相關技術，如語音的時域和頻域特征、聲學模型和語言學模型等。接著從語音分割、語音識別、混淆網(wǎng)絡的生成、關鍵詞的提取和置信度確認等幾個方面分別進行了詳細論述。
　　在語音分割模塊，本文對傳統(tǒng)的特征值進行改進，得到區(qū)分度更好的特征值，如將短時能量改進為低短時能量比率。利用改進之后的特征值進行語音分割，提取出語音信號中的對話部分。
　　在關鍵詞提取模塊，系統(tǒng)對語音識別模塊得到的網(wǎng)格做進一