基于HTK和Microsoft Speech SDK的連續(xù)語(yǔ)音識(shí)別系統(tǒng)的研究及實(shí)現(xiàn).pdf

1、語(yǔ)音識(shí)別是近年來(lái)高速發(fā)展的一項(xiàng)技術(shù)。讓計(jì)算機(jī)聽懂人說(shuō)話，甚至和人進(jìn)行交流是我們夢(mèng)寐以求的夢(mèng)想。在不久的將來(lái)，這個(gè)夢(mèng)想會(huì)變成現(xiàn)實(shí)。本文的主要目的是對(duì)連續(xù)語(yǔ)音識(shí)別進(jìn)行探討。 本文開始先介紹了語(yǔ)音識(shí)別的基礎(chǔ)知識(shí)，詳細(xì)的討論了語(yǔ)音信號(hào)的處理方法和語(yǔ)音識(shí)別系統(tǒng)的原理。接下來(lái)本文從兩方面進(jìn)行展開。 一方面從模式識(shí)別的研究角度，探討語(yǔ)音信號(hào)的提取和語(yǔ)音識(shí)別的原理，建立相應(yīng)的語(yǔ)音識(shí)別模型。本文綜合了基于MFCC的特征提取技術(shù)，HMM原理

2、、訓(xùn)練算法和單音子模型的建模技術(shù)，上下文無(wú)關(guān)文法的定義和應(yīng)用，Viterbi算法等方法，構(gòu)筑了HTK3.4+TIMIT的連續(xù)語(yǔ)音識(shí)別實(shí)驗(yàn)系統(tǒng)，并做了關(guān)于混合分量維數(shù)的實(shí)驗(yàn)，結(jié)果表明隨著混合分量數(shù)從1提高到128，系統(tǒng)的識(shí)別率從47.01％提高到了62.33％。 針對(duì)LVCSR中混合分量數(shù)的提高帶來(lái)的時(shí)間消耗增加問(wèn)題，本文研究了似然率的快速算法。本文基于HTK3.4實(shí)現(xiàn)了部分距離消去算法(PDE)、最佳混合預(yù)測(cè)算法(BMP)和特征

3、矢量元素重排算法(FCR)。實(shí)驗(yàn)結(jié)果表明，快速似然率計(jì)算方法在可接受的識(shí)別率的降低范圍內(nèi)，可顯著地降低似然率計(jì)算的時(shí)間開銷。 另一個(gè)方面從識(shí)別系統(tǒng)的軟件開發(fā)考慮，建立一個(gè)基于籃球比賽的數(shù)據(jù)統(tǒng)計(jì)的語(yǔ)音識(shí)別系統(tǒng)。介紹了Microsoft的Speech SDK在系統(tǒng)中的嵌入，介紹了XML。之后給出一個(gè)實(shí)例，運(yùn)用SAPI建立了能夠識(shí)別多個(gè)句型和幾十個(gè)詞匯的一個(gè)限定領(lǐng)域的連續(xù)語(yǔ)音識(shí)別系統(tǒng)，用作籃球比賽數(shù)據(jù)統(tǒng)計(jì)系統(tǒng)的語(yǔ)音界面，經(jīng)測(cè)試系統(tǒng)的識(shí)