不定長度漢語非特定人連續(xù)數(shù)字串語音識別研究.pdf

1、該報告以不定長非特定人漢語連續(xù)數(shù)字串語音識別為背景,結合語言感知和聲學建模理論,針對漢語特點,從多個角度比較研究了聲學建模方法.從特征參數(shù)提取的角度,我們回顧了線性預測分析、Mel倒譜系數(shù)提取、感知線性預測分析、基于Gammatone聽覺濾波器組的特征提取方法以及相對譜處理方法.實驗結果表明采用線性預測分析法的系統(tǒng)識別率遠遠低于用Mel倒譜系數(shù)法的系統(tǒng);基于Gammatone聽覺濾波器組的系統(tǒng)識別率略高于Mel倒譜系數(shù)法,但其計算開銷比

2、Mel倒譜系數(shù)法大.從模式識別的角度,該文介紹了隱含馬爾可夫模型（HMM）的基本原理和HMM在連續(xù)語音聲學建模中的應用.我們從建模單元、訓練方法和識別方法三個方面,針對不定長度漢語非特定人連續(xù)數(shù)字串語音識別的具體問題進行了探討.說話人之間的頻譜特性差異會導致特征參數(shù)不集中,從而影響聲學建模和識別.該文采用說話人聲道長度歸一化法（VTLN）對說話人特征作了歸一化,使得識別系統(tǒng)性能有了明顯提高.結合以上的方法,我們在一個由72女74男發(fā)音的