語音識別技術(shù)原理概述

周鈞鍇　武志亨　寧湘翼

摘 要：語音識別技術(shù)作為信息社會向智能化發(fā)展的關(guān)鍵技術(shù)之一，對人們的生活產(chǎn)生著廣泛的影響，具有重要的研究意義和實用價值。本文概括介紹了語音識別技術(shù)和語音識別技術(shù)系統(tǒng)的實現(xiàn)原理，并對語音識別技術(shù)的發(fā)展趨勢做了簡單的闡述。

關(guān)鍵詞：語音識別；特征參數(shù)提??；隱馬爾可夫模型

0 引言

語音識別作為一門交叉學(xué)科，近30年來得到迅速的發(fā)展，逐漸由實驗室技術(shù)向市場產(chǎn)品轉(zhuǎn)化，越來越多地應(yīng)用到人們的生活中。語音識別因為具有方便快捷、易于控制的優(yōu)勢，會被應(yīng)用到越來越多的領(lǐng)域中，對人們的生活產(chǎn)生更廣泛的影響。

1 語音識別技術(shù)概述

語音識別技術(shù)就是讓機(jī)器通過識別和理解過程把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高技術(shù)。語音識別技術(shù)是以語音信號為研究對象，涉及信號處理、模式識別、概率論和信息論、人工智能等多個領(lǐng)域。

1.1 語音識別系統(tǒng)分類方式

語音識別技術(shù)具有多種分類方式，常見的有根據(jù)識別對象分類、是否針對特定發(fā)音人和待識別語音的詞匯量大小鳳方式。

根據(jù)識別的對象不同，可以分為孤立詞識別，關(guān)鍵詞識別和連續(xù)語音識別三類。其中，孤立詞識別的任務(wù)是識別事先已知的孤立的詞；關(guān)鍵詞識別的任務(wù)是檢測連續(xù)語音中已知的若干關(guān)鍵詞的位置，但并不識別全部文字；連續(xù)語音識別的任務(wù)則是識別任意的連續(xù)語音。

根據(jù)針對的發(fā)音人，可以把語音識別技術(shù)分為特定人語音識別和非特定人語音識別。特定人語音識別只能識別一個或幾個人的語音，而非特定人語音識別則可以識別任何人的語音。非特定人語音識別系統(tǒng)更符合實際需要，但實現(xiàn)難度更大。

根據(jù)待識別語音的詞匯量大小，可以分為小詞匯量、中等詞匯量和大詞匯量語音識別系統(tǒng)。小詞匯量語音識別系統(tǒng)的識別范圍為幾十個詞，中等詞匯量的語音識別系統(tǒng)的識別范圍為幾百個詞到千個詞，而大詞匯量語音識別系統(tǒng)的識別范圍為幾千到幾萬個詞。

2 語音識別系統(tǒng)實現(xiàn)原理

不同語音識別系統(tǒng)的具體實現(xiàn)細(xì)節(jié)不同，但基本的技術(shù)原理相似。一個基本的語音識別系統(tǒng)主要包括語音識別單元的選取、特征提取技術(shù)、模式匹配準(zhǔn)則和模型訓(xùn)練技術(shù)四個部分。

2.1 語音識別單元的選取

語音識別單元有單詞句、音節(jié)和音素三種。首先需要根據(jù)研究的具體任務(wù)確定識別的單元：單詞句單元廣泛應(yīng)用于中小詞匯語音識別系統(tǒng)，但不適合大詞匯系統(tǒng)；音節(jié)單元多見于漢語語音識別；音素單元以前多見于英語語音識別的研究中。

2.2 特征參數(shù)提取技術(shù)

特征參數(shù)提取的目的是從語音信號中提取出對語音識別有用的信息，即去除與識別無關(guān)的冗余信息，保留與識別有關(guān)的信息。目前應(yīng)用最廣泛的特征參數(shù)提取技術(shù)為線性預(yù)測（LP）分析技術(shù)，許多成熟的語音識別系統(tǒng)都采用基于LP技術(shù)提取的倒譜參數(shù)。Mel參數(shù)和基于感知線性預(yù)測（PLP）分析提取的感知線性預(yù)測倒譜也是常用的特征參數(shù)提取方法。

2.3 模型訓(xùn)練及模式匹配技術(shù)

模型訓(xùn)練是指根據(jù)一定的準(zhǔn)則，從大量己知模式中獲取表征該模式本質(zhì)特征的模型參數(shù)，語音識別就是通過這些提取的特征參數(shù)所建立的。模式匹配是按照一定的準(zhǔn)則，使未知模式與模型庫中的某一個模型獲得最佳匹配。常用的模型訓(xùn)練及模式匹配技術(shù)有動態(tài)時間規(guī)整技術(shù)（DTW）、隱馬爾可夫模型（HMM）和人工神經(jīng)元網(wǎng)絡(luò)（ANN）。

動態(tài)時間規(guī)整技術(shù)是基于動態(tài)規(guī)劃的思想，解決了發(fā)音長短不一的模板匹配問題，廣泛應(yīng)用在孤立詞的語音識別中，但不適合連續(xù)語音和大詞匯量識別系統(tǒng)。

隱馬爾可夫模型由相互關(guān)聯(lián)的兩個隨機(jī)過程共描述信號的統(tǒng)計特性，其中一個是隱蔽的（不可觀測的）具有有限狀態(tài)的鏈，另一個是與鏈的每一狀態(tài)相關(guān)聯(lián)的觀察矢量的隨機(jī)過程（可觀測的）。

人工神經(jīng)元網(wǎng)絡(luò)的發(fā)展為語音識別的實現(xiàn)提供了新的解決方案，人工神經(jīng)元網(wǎng)絡(luò)模擬了人類神經(jīng)元活動的原理，具有自學(xué)、聯(lián)想、對比、推理和概括等能力。這些能力都是隱馬爾可夫模型不具備的，但人工神經(jīng)元網(wǎng)絡(luò)不具有隱馬爾可夫模型的動態(tài)時間規(guī)整性能。所以如果將兩者的優(yōu)點結(jié)合起來，可以提高整個模型的魯棒性。

3 語音識別技術(shù)發(fā)展趨勢

目前，各種形式的隱馬爾可夫模型和算法日趨成熟，以它為基礎(chǔ)形成了語音識別的整體框架模型，統(tǒng)一了語音識別中聲學(xué)層和語音學(xué)層的算法結(jié)構(gòu)，以概率的形式將聲學(xué)層中得到的信息和語音學(xué)層中已有的信息結(jié)合在一起。

另外，通過語音命令控制可以使原本需要手工操作的工作用語音來完成。因此，語音命令控制可廣泛用于家電語音遙控、玩具、智能儀器及移動電話等便攜設(shè)備中。世界各國也都加快了語音識別應(yīng)用系統(tǒng)的研究開發(fā)，并已有一些實用的語音識別系統(tǒng)投入商業(yè)運營。

參考文獻(xiàn)

[1]詹新明，黃南山，楊燦.語音識別技術(shù)研究進(jìn)展[J].現(xiàn)代計算機(jī)（專業(yè)版），2008（09）：43-45+50.

[2]禹琳琳.語音識別技術(shù)及應(yīng)用綜述[J].現(xiàn)代電子技術(shù)，2013，36（13）：43-45.

[3]馬志欣，王宏，李鑫.語音識別技術(shù)綜述[J].昌吉學(xué)院學(xué)報，2006（03）：93-97.

[4]段紅梅，汪軍，馬良河，徐冉.隱馬爾可夫模型在語音識別中的應(yīng)用[J].工科數(shù)學(xué)，2002（06）：16-20.

[5]孫寧，孫勁光，孫宇.基于神經(jīng)網(wǎng)絡(luò)的語音識別技術(shù)研究[J].計算機(jī)與數(shù)字工程，2006（03）：58-61.

[6]劉長明，任一峰.語音識別中DTW特征匹配的改進(jìn)算法研究[J].中北大學(xué)學(xué)報（自然科學(xué)版），2006（01）：37-40.

[7]吳煒燁.基于神經(jīng)網(wǎng)絡(luò)語音識別算法的研究[D].中南大學(xué)，2009.