大词汇表特定人孤立词汉语语音识别的研究

摘要

该文首先总结了汉语语音的重要特征,包括其单音节字特点和声调特点等等,然后介 绍了各种语音短时数字处理技术及VQ-HMM的基本原理,并且重点给出了端点检测算法、LPC 倒谱分析方法、矢量码本训练算法以及HMM三大算法原理.在这些技术基础上,文中实现了 一个基于三状态无跳转左-右HMM的汉语全音节识别系统,目的是验证考虑状态驻留时间后模型性能的改进程度.接着,在一种小波变换声韵分割算法的基础上,该文提出了一个新的汉语音节模型训练策略-声韵组合建模法,它大大增强了识别系统对声母的辨别力,最后在此 基础上,设计实现了一个具有树形结构字典的大词汇表连接词汉语语音识别系统.

目录

文摘

英文文摘

1绪论

1.1前言

1.2语音识别的概念、分类和应用

1.3语音识别简史、现状和研究方法

1.4本文的主要工作

2汉语特点及识别过程框架

2.1语音的产生机制

2.2汉语语音特点

2.2.1汉语的音素

2.2.2汉语音节的结构特点

2.2.3汉语的声调

2.3汉语语法特点以及对识别的影响

2.4汉语语音识别系统结构框架

本章小结

3语音信号短时分析、特征提取和端点检测

3.1语音信号短时分析

3.1.1语音信号数学产生模型

3.1.2语音信号短时参数

3.2语音信号的线性预测分析(LPC)

3.2.1线性预测的基本理论

3.2.2语音信号LPC分析实用算法

3.3语音信号倒谱分析

3.4语音信号的端点检测算法

本章小结

4矢量量化VQ和隐马尔可夫模型HMM

4.1矢量量化VQ

4.1.1矢量量化的基本原理

4.1.2矢量距离测度

4.1.3码本形成算法

4.2隐马尔可夫模型HMM

4.2.1 HMM的定义

4.2.2 HMM的三个主要问题

4.2.3 HMM的初始模型、比例因子和批量训练问题

本章小结

5基于VQ-HMM的汉语全音节识别实验

5.1识别建模单位的选择

5.2声调的识别

5.3隐马尔可夫模型的拓扑结构和初值算法

5.4带状态驻留的隐马尔可夫模型

5.5离散HMM的汉语音节识别实验结果和分析

本章小结

6结合汉语音节特点的孤立词语音识别

6.1连续隐马尔可夫模型

6.2基于汉语特点的声韵组合音节模型训练策略

6.3基于全音节识别的词组识别

6.4大字表汉语词识别系统

结束语

致谢

参考文献