论文部分内容阅读
孤立词语音识别实现简单、技术成熟，有着广泛的应用领域，是深入进行语音识别研究的基础。隐马尔可夫模型(HMM)是目前最流行的语音识别技术，许多成功的语音识别系统都是基于该技术实现的。本文通过一个在Windows平台上用VC++实现的基于连续隐马尔可夫模型(CDHMM)的汉语小词汇量、非特定人、孤立词语音识别系统，对孤立词语音识别进行了研究。论文首先研究了语音识别的基本知识，主要包括语音识别的原理；语音信号处理的基本知识；各种语音识别和训练的方法。然后研究了隐马尔可夫模型的原理及其在语音识别中的应用。在此基础上论文主要工作有以下：1)完成了一个使用连续隐马尔可夫模型的汉语小词汇量、非特定人、孤立词语音识别系统的设计和实现，并进行了实验。由于使用VC++实现系统，对信号处理较为复杂。因此在实现时没有选用美尔频率特征系数(MFCC)，而是选用了近似于MFCC但计算相对简单的LPC美尔倒谱系数(LPCMCC)作为特征参数。2)实验时发现系统中的双门限端点检测方法对噪声较敏感，当语音信号中混入噪声时，检测结果就会变得不准确；针对这一问题，对端点检测做了研究，提出了一种变帧长自适应门限的端点检测方法；3)分析了特征参数各维系数在语音识别中的贡献，给出了提高特征参数抗噪声性能的方法；4)最后本文针对Baum-Welch算法进行HMM参数估计速度慢、效率低的问题，给出了改进的方法。在使用Baum-Welch算法训练HMM模型时，语音识别系统的速度和效率比较低，因此优化训练方法尤为重要。