小詞匯量連續(xù)語音識別系統(tǒng)的研究.pdf

1、現(xiàn)代信息科學的迅猛發(fā)展，智能化工具進入人們的生活，致使人們渴望人與機器的交互，甚至期盼人與機器的對話能達到人與人之間交流的那種自然的水平。在種種思潮的觸動下，對人機交互的研究近兒年來趨丁二活躍。實現(xiàn)對語音的識別是人機交且研究的核心之一，也是它的一個重要研究課題。作為一項具有廣泛社會效益和經(jīng)濟效益的現(xiàn)代信息技術，語音識別技術雖然已經(jīng)取得了很大的成就，但是面臨實用化時還存在一系列的問題。要實現(xiàn)性能優(yōu)良、實用化的語音識別系統(tǒng)，人們仍需要不斷對

2、語音識別的理論、算法進行研究，解決和完善語音識別中所存在的各種問題。另外，隨著各種科學理論的不斷發(fā)展和深入，一些新技術、新理論也不斷出現(xiàn)，這些都為語音識別的研究奠定了基礎。 本文根據(jù)近期國內外對語音識別技術的集中研究方向，以及目前語音識別技術在實用性方面存在的一些問題，對語音識別技術在聲學模型的改進以及語言學知識的引入方面進行了學習和研究。首先將代數(shù)算法和BP算法應用丁孤立詞的語音識別系統(tǒng)中，通過實驗驗證了代數(shù)神經(jīng)網(wǎng)絡的優(yōu)越性。

3、在此基礎上，考慮到隱馬爾可大模型自身的一些缺陷和人工神經(jīng)網(wǎng)絡具有可以與隱馬爾可夫模型互補的一些特點，用代數(shù)神經(jīng)網(wǎng)絡代替高斯混合器來計算隱馬爾可夫模型的觀測概率，以此提出了一種代數(shù)神經(jīng)網(wǎng)絡和HMM模型的混合模型。之后，文中對基于混合模型的連續(xù)語音識別系統(tǒng)進行了設計，將語言學知識引入到模型中，選取三音素作為基本聲學單元，為訓練語音數(shù)據(jù)中用到的所有三音素建立了隱馬爾可夫模型，并采用了基于決策樹的狀態(tài)共享策略，以保證對聲學模型參數(shù)的充分估計，最

4、后將訓練好的各個二音素模型根據(jù)本文中提出的混合模型的原理，構建了相應的代數(shù)神經(jīng)網(wǎng)絡，并用相應訓練數(shù)據(jù)對其訓練，最終實現(xiàn)了一個基于混合模型的連續(xù)語音識別系統(tǒng)。 最后，本文在HTK平臺的基礎上，結合java語言實現(xiàn)了基于混合模型的連續(xù)語音識別系統(tǒng)。結果證明將混合模型結合語言學知識應用丁語音識別系統(tǒng)是切實可行的。通過實驗數(shù)據(jù)的對比可得知，依據(jù)此混合模型構建的非特定人連續(xù)語音識別系統(tǒng)克服了HMM模型自身的一些缺陷，識別率優(yōu)于基于刪模型構