基于語音關(guān)鍵詞檢測的人機交互研究.pdf

1、人機交互(HCI)是研究人、計算機及它們之間相互影響的技術(shù)，包括從鍵盤、鼠標(biāo)到語音識別、手勢輸入、感覺反饋等一系列交互方式。隨著人機交互技術(shù)的不斷發(fā)展，人們發(fā)現(xiàn)語音是人與計算機之間進(jìn)行交互的最方便快捷方式。而語音關(guān)鍵詞檢測是語音識別的一種特殊形式，其主要作用是從連續(xù)的語音流中檢測出在實際應(yīng)用中所需要的少量特定詞匯且具有資源消費少、識別率高和實用強的特點。因此關(guān)鍵詞檢測技術(shù)有著廣泛的應(yīng)用。
　　目前語音關(guān)鍵詞檢測系統(tǒng)主要有三種:基于

2、垃圾模型的關(guān)鍵詞檢測系統(tǒng)、基于音素/音節(jié)的關(guān)鍵詞檢測系統(tǒng)和基于連續(xù)語音識別的關(guān)鍵詞檢測系統(tǒng)。本論文中主要研究基于連續(xù)語音識別的關(guān)鍵詞檢測系統(tǒng)的相關(guān)技術(shù)。論文主要內(nèi)容如下:
　　(1)在連續(xù)語音識別理論部分，主要介紹語音信號的前端處理、聲學(xué)模型、語言學(xué)模型和搜索解碼。語音信號的前端處理部分主要包括端點檢測、預(yù)加重、分幀和聲學(xué)特征參數(shù)提取。本論文中提取的特征參數(shù)是梅爾倒譜系數(shù)（MFCC），為了提高其魯棒性和區(qū)分性，將提取的MFCC參數(shù)

3、進(jìn)行線性區(qū)分性(LDA)變換。聲學(xué)模型部分主要介紹了隱馬爾科夫模型(HMM)、混合高斯模型（GMM）和子空間混合高斯模型(SGMM)，并將SGMM-UBM(Subspace Gaussian MixtureModel-Universal Background Model)模型替換傳統(tǒng)的HMM-GMM模型建立聲學(xué)模型。語言學(xué)模型主要介紹基于文法的語言模型和基于統(tǒng)計的語言模型，本論文中使用的是基于統(tǒng)計模型的三元語言模型。搜索解碼部分主要介紹

4、Viterbi算法及解碼之后的輸出結(jié)果。
　　(2)在語音關(guān)鍵詞檢測部分，主要介紹Lattice網(wǎng)格結(jié)構(gòu)、關(guān)鍵詞搜索算法、基于Lattice的后驗概率置信度計算及改進(jìn)、關(guān)鍵詞的輸出規(guī)則和系統(tǒng)性能評價標(biāo)準(zhǔn)。在計算置信度時，引入了最小編輯距離(MED)字符串相似度函數(shù)，其主要作用是用來對檢測到的錯誤進(jìn)行懲罰。關(guān)鍵詞搜索算法主要介紹了動態(tài)規(guī)劃算法和令牌傳遞算法。
　　(3)搭建了一個基于語音關(guān)鍵詞檢測的人機交互系統(tǒng)，主要利用的工具