基于HTK和Microsoft Speech SDK的連續(xù)語音識別系統(tǒng)的研究及實現(xiàn).pdf

1、語音識別是近年來高速發(fā)展的一項技術。讓計算機聽懂人說話，甚至和人進行交流是我們夢寐以求的夢想。在不久的將來，這個夢想會變成現(xiàn)實。本文的主要目的是對連續(xù)語音識別進行探討。 本文開始先介紹了語音識別的基礎知識，詳細的討論了語音信號的處理方法和語音識別系統(tǒng)的原理。接下來本文從兩方面進行展開。 一方面從模式識別的研究角度，探討語音信號的提取和語音識別的原理，建立相應的語音識別模型。本文綜合了基于MFCC的特征提取技術，HMM原理

2、、訓練算法和單音子模型的建模技術，上下文無關文法的定義和應用，Viterbi算法等方法，構筑了HTK3.4+TIMIT的連續(xù)語音識別實驗系統(tǒng)，并做了關于混合分量維數(shù)的實驗，結果表明隨著混合分量數(shù)從1提高到128，系統(tǒng)的識別率從47.01％提高到了62.33％。 針對LVCSR中混合分量數(shù)的提高帶來的時間消耗增加問題，本文研究了似然率的快速算法。本文基于HTK3.4實現(xiàn)了部分距離消去算法(PDE)、最佳混合預測算法(BMP)和特征

3、矢量元素重排算法(FCR)。實驗結果表明，快速似然率計算方法在可接受的識別率的降低范圍內，可顯著地降低似然率計算的時間開銷。 另一個方面從識別系統(tǒng)的軟件開發(fā)考慮，建立一個基于籃球比賽的數(shù)據(jù)統(tǒng)計的語音識別系統(tǒng)。介紹了Microsoft的Speech SDK在系統(tǒng)中的嵌入，介紹了XML。之后給出一個實例，運用SAPI建立了能夠識別多個句型和幾十個詞匯的一個限定領域的連續(xù)語音識別系統(tǒng)，用作籃球比賽數(shù)據(jù)統(tǒng)計系統(tǒng)的語音界面，經(jīng)測試系統(tǒng)的識