基于語音結(jié)構(gòu)化模型的連續(xù)數(shù)字語音識別.pdf

1、漢語連續(xù)數(shù)字語音識別在現(xiàn)實(shí)中具有非常廣泛的應(yīng)用前景，在電話與電信系統(tǒng)的自動(dòng)語音撥號、身份證號碼證實(shí)、智能家電中用于電視頻道和空調(diào)溫度的遙控等多方面都有著重要的應(yīng)用價(jià)值。
　　 漢語連續(xù)數(shù)字語音識別是語音識別中的一個(gè)重要分支，其主要難點(diǎn)在于，首先不確定數(shù)字串的長度，很難準(zhǔn)確判別連續(xù)數(shù)字串中的字間邊界；其次連續(xù)數(shù)字串中的數(shù)字是任意組合的，沒有可以借鑒的語法知識；再有漢語數(shù)字自身的發(fā)音特點(diǎn)導(dǎo)致識別困難，如：數(shù)字語音間的混淆程度高，漢語

2、連續(xù)數(shù)字串中各個(gè)數(shù)字的協(xié)同發(fā)音現(xiàn)象較嚴(yán)重等。此外，語音通信中不可避免地會受到說話人差異、線路干擾、環(huán)境噪聲等的影響，引起信號失真，導(dǎo)致識別系統(tǒng)的魯棒性相當(dāng)脆弱。
　　 本課題研究主要包括兩個(gè)方面：
　　 (1)采用全局聲學(xué)結(jié)構(gòu)描述的連續(xù)數(shù)字語音識別。依據(jù)描述語音內(nèi)在關(guān)系的、對傳輸和處理過程中的線路噪聲和說話人變化具有魯棒性的全局聲學(xué)結(jié)構(gòu)AUS，提出適合于連續(xù)數(shù)字語音識別的雙層結(jié)構(gòu)化語音模型匹配策略，在沒有可以借鑒的語法知

3、識情況下，不需要大量的訓(xùn)練模板，只要使用較少的單個(gè)數(shù)字語音訓(xùn)練數(shù)據(jù)就可以實(shí)現(xiàn)任意長度的連續(xù)數(shù)字語音識別，且不需要充分的訓(xùn)練語料和通用的信道歸一化技術(shù)，解決目前語音識別和連續(xù)數(shù)字語音識別中存在的說話人差異性等的魯棒性問題。
　　 (2)采用直方圖均衡的語音識別魯棒性研究。在語音識別中，加性噪聲也是導(dǎo)致系統(tǒng)性能下降的重要原因。直方圖均衡化方法是一種非線性補(bǔ)償變換技術(shù)，較傳統(tǒng)的基于線性變換技術(shù)的抗噪聲方法進(jìn)一步提高了系統(tǒng)的魯棒性。但實(shí)