漢語連續(xù)數(shù)目字語音識(shí)別的研究.pdf

1、連續(xù)數(shù)目字語音識(shí)別是當(dāng)今語音識(shí)別領(lǐng)域的一個(gè)重要研究方向。本文簡述了漢語數(shù)目字語音識(shí)別的發(fā)展與現(xiàn)狀，分析了漢語數(shù)目字語音識(shí)別的困難所在，對(duì)連續(xù)數(shù)目字語音識(shí)別方法進(jìn)行了研究。選取語音識(shí)別系統(tǒng)的特征參數(shù)時(shí)，對(duì)LPC倒譜參數(shù)和MFCC參數(shù)進(jìn)行了比較，選擇能夠反映人的聽覺對(duì)語音感知特性的MFCC參數(shù)作為語音的特征參數(shù)，同時(shí)考慮到特征參數(shù)各維分量對(duì)于識(shí)別性能的貢獻(xiàn)，對(duì)各維分量進(jìn)行了加權(quán)處理。實(shí)驗(yàn)證明，基于MFCC的特征參數(shù)比LPC倒譜參數(shù)具有更佳的

2、抗噪性。本文還討論了在語音信號(hào)的聲學(xué)處理環(huán)節(jié)提高語音識(shí)別魯棒性的問題和方法。利用語音聲學(xué)信號(hào)的頻譜分析來尋找連續(xù)語音信號(hào)幀的分割點(diǎn)，再結(jié)合音素分割方法，成功的提高了分割精度。實(shí)驗(yàn)表明mel標(biāo)度頻譜法比傳統(tǒng)的以信號(hào)的短時(shí)能量，過零率等簡單特征作為判決特征參數(shù)的語音端點(diǎn)檢測(cè)方法更適合語音的分割。實(shí)驗(yàn)結(jié)果表明，這種算法對(duì)于清音和噪聲，以及元音和輔音的區(qū)分都有很好的識(shí)別性能。系統(tǒng)采用VQ/HMM模型作為語音識(shí)別的聲學(xué)模型。對(duì)搜索算法，識(shí)別算法進(jìn)