語音識別技術(shù)的研究及其在發(fā)音錯誤識別系統(tǒng)中的應(yīng)用.pdf

1、二十世紀(jì)五十年代以來，語音識別的技術(shù)發(fā)展迅速。作為一門交叉學(xué)科，語音識別己經(jīng)形成了完整的理論體系，基于PC平臺的語音識別系統(tǒng)的研究也在技術(shù)上獲得了一些成功。盡管目前各種各樣的語音識別產(chǎn)品相繼涌現(xiàn)，但在許多特定領(lǐng)域，由于其環(huán)境的特殊性，往往需要專門開發(fā)，以適應(yīng)實際需要。 因此，針對英語學(xué)習(xí)過程中，學(xué)習(xí)者往往缺乏標(biāo)準(zhǔn)且有效的口語訓(xùn)練的問題，設(shè)計并實現(xiàn)了一套具有示范、評分、報錯功能的發(fā)音錯誤識別系統(tǒng)。 首先，本文根據(jù)語音識別系

2、統(tǒng)的基本構(gòu)成模型，介紹了預(yù)處理、特征參數(shù)提取到模型的訓(xùn)練與匹配所涉及的數(shù)字信號處理、模式識別等方面的基本技術(shù)。 其次，介紹了連續(xù)語音識別搜索算法的基本原理，對常用的基于動態(tài)規(guī)劃思想的Beam剪枝搜索算法進行了深入研究，分析了該算法的不足，從兩方面對Beam剪枝搜索算法進行了改進：使用自適應(yīng)的裁剪門限代替固定的裁剪門限，提出了基于活動模型數(shù)變化的狀態(tài)層自適應(yīng)剪枝搜索算法，根據(jù)搜索初期階段模型最少駐留幀數(shù)和活動模型數(shù)變化的關(guān)系自適應(yīng)

3、的改變裁剪門限；另一方面，提出了基于當(dāng)前搜索路徑的最高概率得分和平均概率得分變化的詞層自適應(yīng)剪枝搜索算法。 最后將狀態(tài)層和詞層相結(jié)合的自適應(yīng)剪枝算法與語音識別引擎相結(jié)合，利用SAPI接口調(diào)用優(yōu)化后的語音識別引擎來完成了發(fā)音錯誤系統(tǒng)的設(shè)計與開發(fā)。實現(xiàn)了語音合成、語音識別和評分報錯功能，并給出具體的工作流程和實現(xiàn)的關(guān)鍵代碼。測試結(jié)果表明本系統(tǒng)較好地滿足了連續(xù)語音識別的要求，學(xué)習(xí)者經(jīng)過訓(xùn)練之后，其識別率可以達到81.2％，這也驗證了狀