基于多組狀態(tài)轉(zhuǎn)移順序聚類模型（MSSC）漢語語音識(shí)別系統(tǒng)的研究.pdf

1、語音識(shí)別技術(shù)經(jīng)過近半個(gè)世紀(jì)的發(fā)展，已日趨成熟。然而，由于漢語結(jié)構(gòu)復(fù)雜，單音節(jié)為主，同音字多，方言多，語法亦不規(guī)范等問題，目前漢語語音識(shí)別還沒有達(dá)到理想的程度，距漢語識(shí)別實(shí)用化還有很大的距離。漢語語音識(shí)別是一項(xiàng)工程復(fù)雜，難度大，而應(yīng)用前景廣闊的研究工作。近年來國際國內(nèi)流行隱馬爾可夫HMM算法及動(dòng)態(tài)時(shí)間匹配DTW算法，這些算法也被應(yīng)用于漢語語音識(shí)別中，并取得了較好的效果。對(duì)于以字母單詞組成的文字語言(例如英語法語俄語德語等)，將語音分幀數(shù)據(jù)

2、進(jìn)行特征提取，得到特征矢量序列(例如LPCC；MEL倒譜等)，目前的HMM及DTW等方法均默認(rèn)該序列各項(xiàng)含有同等重要的信息，因此采用同等對(duì)待的方法。這一點(diǎn)對(duì)由多音節(jié)組成單詞的語音來說，是可以理解的，因?yàn)槲覀儾荒苋藶榈卣J(rèn)為單詞中前面的音節(jié)就一定比后面的重要。但對(duì)一字一音的漢語語音就不正確了。漢語字音中，每音節(jié)(即字音)前面的幀含有更多的語音信息，應(yīng)該對(duì)正確識(shí)別起更大的貢獻(xiàn)，而不應(yīng)該平等看待。另外，對(duì)每一個(gè)音節(jié)應(yīng)采用一組多個(gè)子模型來描述，以

3、適應(yīng)不同語速的語音及不同人的語音的特征矢量組發(fā)生很大的變化的情況。 本文改進(jìn)了傳統(tǒng)的語音識(shí)別模型，研究討論了一種新的漢語語音模型一多組狀態(tài)轉(zhuǎn)移順序聚類模型(MSSC)。該模型采用了馬爾可夫過程的狀態(tài)轉(zhuǎn)移方式、描述漢語語音的特征矢量序列的時(shí)序過程，同時(shí)采用了動(dòng)態(tài)時(shí)間匹配DTW的比對(duì)概念和直接特征狀態(tài)而不是HMM法的隱狀態(tài)。該模型具有多組子模型特點(diǎn)，在描述狀態(tài)轉(zhuǎn)移方面，增加了記錄各狀態(tài)的自轉(zhuǎn)移次數(shù)，用其作權(quán)重可更好地利用特征信息，提