基于隱馬爾可夫模型的語(yǔ)音識(shí)別技術(shù)研究.pdf

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchofSpeechRecognitiontechnologyBasedonHA心僵ByShuangyanJin一一fSupervisor：ProfHaoliangLiRadioPhysicsSchoolofInformationEngineeringMay2013摘要摘要語(yǔ)音識(shí)別技術(shù)是機(jī)器學(xué)習(xí)的重要內(nèi)容之一，涉

2、及信息處理、人工智能和模式識(shí)別等多個(gè)學(xué)科內(nèi)容，已經(jīng)在社會(huì)生活中得到廣泛的應(yīng)用。語(yǔ)音識(shí)別是讓機(jī)器聽(tīng)懂人的語(yǔ)言，理解人的意圖，并對(duì)其做出相應(yīng)的反應(yīng)，實(shí)現(xiàn)人與機(jī)器的交互通信。本文基于隱馬爾可夫模型(HiddenMarkovModel)，建立了一套語(yǔ)音識(shí)別仿真系統(tǒng)。本文首先分析語(yǔ)音信號(hào)的預(yù)處理過(guò)程，提出采用雙門(mén)限法，即將短時(shí)能量和短時(shí)過(guò)零率相結(jié)合，對(duì)語(yǔ)音信號(hào)進(jìn)行端點(diǎn)檢測(cè)。相對(duì)于單一方法的端點(diǎn)檢測(cè)方法能得到更精確的語(yǔ)音段，為語(yǔ)音信號(hào)的后續(xù)處理奠定

3、了基礎(chǔ)。接著詳細(xì)闡述了兩種特征參數(shù)提取方法，包括線性預(yù)測(cè)倒譜系數(shù)(LPCC)和Mel倒譜系數(shù)(MFCC)，并分析了MFCC的一階差分系數(shù)，得出結(jié)合一階差分后的倒譜參數(shù)，可將語(yǔ)音識(shí)別率提高4％左右。最后，本文著重研究了基于HMM的語(yǔ)音識(shí)別算法，在Mmlab平臺(tái)上實(shí)現(xiàn)了一個(gè)較為完整的語(yǔ)音識(shí)別仿真過(guò)程，包含語(yǔ)音庫(kù)的建立、預(yù)處理、特征參數(shù)提取、訓(xùn)練(即參數(shù)選擇)、識(shí)別等過(guò)程。本論文建立了一個(gè)由10個(gè)人的錄音組成的語(yǔ)音數(shù)據(jù)庫(kù)，由漢語(yǔ)數(shù)字0～9、“

4、鄭”、“州”、“大”、“學(xué)”共14個(gè)樣本組成，總共700個(gè)發(fā)音，為論文提供仿真實(shí)驗(yàn)數(shù)據(jù)。對(duì)HMM在實(shí)際中的應(yīng)用做了優(yōu)化處理，包括初始模型選取、Viterbi算法的對(duì)數(shù)處理以及參數(shù)重估問(wèn)題。通過(guò)分析實(shí)驗(yàn)結(jié)果，得出CHMM狀態(tài)數(shù)為4，訓(xùn)練次數(shù)為20次，特征參數(shù)選取48維LPCC和MFCC的混合參數(shù)，可使語(yǔ)音識(shí)別系統(tǒng)對(duì)于漢語(yǔ)孤立詞的識(shí)別率達(dá)到90％。在試驗(yàn)過(guò)程中本文還分析了由于漢語(yǔ)發(fā)音的復(fù)雜性和特殊性而引起的有些樣本元素的誤識(shí)問(wèn)題，并提出了待