1、本文格式為Word版，下載可任意編輯語音識別的基本原理和語音識別的方法 1、語音識別的基本原理 語音識別系統本質上是一種模式識別系統，包括特征提取、模式匹配、參考模式庫等三個基本單元，它的基本結構如下圖所示： 未知語音經過話筒變換成電信號后加在識別系統的輸入端，首先經過預處理，再依據人的語音特點建立語音模型，對輸入的語音信號進行分析，并抽取所需的特 征，在此基礎上建立語音識別所需的模板。而計算機在識別過程中要依據語音識別的模型，將計算機中存放的語音模板與輸入的語音信號的特征進行比較，依據肯定 的搜尋和匹配策略，找出一系列最優的與輸入語音匹配的模板。然后依據此模板的定義，通過查表就可以給出計算機

2、的識別結果。明顯，這種最優的結果與特征的選 擇、語音模型的好壞、模板是否精確都有直接的關系。 2、語音識別的方法 目前具有代表性的語音識別方法主要有動態時間規整技術（DTW）、隱馬爾可夫模型（HMM）、矢量量化（VQ）、人工神經網絡（ANN）、支持向量機（SVM）等方法。 動態時間規整算法（Dynamic Time Warping，DTW）是在非特定人語音識別中一種簡潔有效的方法，該算法基于動態規劃的思想，解決了發音長短不一的模板匹配問題，是語音識別技術中出 現較早、較常用的一種算法。在應用DTW算法進行語音識別時，就是將已經預處理和分幀過的語音測試信號和參考語音模板進行比較以獵取他們之間的相

3、像度，按 照某種距離測度得出兩模板間的相像程度并選擇最佳路徑。 隱馬爾可夫模型（HMM）是語音信號處理中的一種統計模型，是由Markov鏈 演化來的，所以它是基于參數模型的統計識別方法。由于其模式庫是通過反復訓練形成的與訓練輸出信號吻合概率最大的最佳模型參數而不是預先儲存好的模式樣 本，且其識別過程中運用待識別語音序列與HMM參數之間的似然概率達到最大值所對應的最佳狀態序列作為識別輸出，因此是較抱負的語音識別模型。 矢量量化（Vector Quantization）是一種重要的信號壓縮方法。與HMM相比，矢量量化主要適用于小詞匯量、孤立詞的語音識別中。其過程是將若干個語音信號波形或 特征參數的

4、標量數據組成一個矢量在多維空間進行整體量化。把矢量空間分成若干個小區域，每個小區域查找一個代表矢量，量化時落入小區域的矢量就用這個代表 矢量代替。矢量量化器的設計就是從大量信號樣本中訓練出好的碼書，從實際效果動身查找到好的失真測度定義公式，設計出最佳的矢量量化系統，用最少的搜尋和 計算失真的運算量實現最大可能的平均信噪比。 在實際的應用過程中，人們還討論了多種降低簡單度的方法，包括無記憶的矢量量化、有記憶的矢量量化和模糊矢量量化方法。 人工神經網絡（ANN）是20世紀80年月末期提出的一種新的語音識別方法。其本質上是一個自適應非線性動力學系統，模擬了人類神經活動的原理，具有自 適應性、并行性、

5、魯棒性、容錯性和學習特性，其強大的分類力量和輸入輸出映射力量在語音識別中都很有吸引力。其方法是模擬人腦思維機制的工程模型，它與 HMM正好相反，其分類決策力量和對不確定信息的描述力量得到舉世公認，但它對動態時間信號的描述力量尚不盡如人意，通常MLP分類器只能解決靜態模式分 類問題，并不涉準時間序列的處理。盡管學者們提出了很多含反饋的結構，但它們仍不足以刻畫諸如語音信號這種時間序列的動態特性。由于ANN不能很好地描述 語音信號的時間動態特性，所以常把ANN與傳統識別方法結合，分別利用各自優點來進行語音識別而克服HMM和ANN各自的缺點。近年來結合神經網絡和隱含 馬爾可夫模型的識別算法討論取得了顯著進展，其識別率已經接近隱含馬爾可夫模型的識別系統，進一步提高了語音識別的魯棒性和精確率。 支持向量機（Support vector machine）是應用統計學理論的一種新的學習機模型，采納結構風險最小化原理（Structural Risk Minimization，SRM），有效克