语音识别中的说话人识别技术研究

高乐涛，张德贤等:语音识别技术研究及实现鱼治麟沫语音识别技术研究及实现高宏涛，张德贤‘河南下业大学，信息科学与工程学院，河南郑州45()。摘要:语音识别是语音信号处理的一个重要研究方向:文中介绍了语音识别中语音识别单元达取、特征参数提取技术、模式匹配准则及模型训练技术等关键技术，讨论了语音识别要在理论上获得突破面.晦的难题，以及从优化模式算法等的角度来解决这些困难的办法、最后，做了一个暮于HMM的孤立词语音识别系统的实现关键词:语音识别技术;特征参数提取技术;模式匹配准则及模型训练枝术;隐马尔可夫模型中图分类号TN91234文献标识码:ASPeech处cognitiOnTechnologyandItsPractices以OHong一lao，ZHANGDe一xlan(Colle罗ofInf(1rmaI1onsciellceandEngineering，HenanUnlversityof『1丫广hno1。盯，工lenanZhen邵卜。1，450051)价y哟山:Speelll民co邵itionteehnolo盯;selec上ingteehn()11)盯浦cll盯肛terparameteT;n]le日(〕fl〕故ltemlnal〔hingandtecl比1010即ofrnodejt皿nin琶;HMM1引言语音识别以语音为研究对象，是模式识别的一个分支，也是语音信号处理的一个重要研究方向，涉及到生理学、心理学、语言学、计算机科学以及信号处理等诸多领域，甚至还涉及到人的体态语言(如人在说话时的表情、手势等行为动作可帮助对方理解)，其最终目标是实现人与机器进行自然语言通信。语音识别是研究让机器最终能听懂人类日述的自然语言的一门学科。语音识别和语音合成相结合，即构成一个完整的“人—{对话通讯系统”。语音识别可以从对发音方式和说话人的限制、所要识别的词表大小以及江翻舌内容范围等角度出发分类，识别难度不一。例如，从最简单的小词表、认人、孤立发音识别到大词表，从规范的书而朗读语言识别到完全不限领域的自然口语识别和理解，从安静的办公室环境到嘈杂的室外环境等-在语音识别方法中，目前占主导地位的是基于统计的方法在声学模型方面，以Ma;k。链为基础的语音序列建模方法HMM亡隐式Ma政。、链)比较有效地解决了语音信号短时稳定、作者简介搞宏涛(1982一)男，河南工业大学信息科学与工程学院创犯1级学牛;张德贤(1961一)男加喃省开封市人，博士，slj教授，主要研究同:计怀机书能技术长时时变的特性，并且能根据一此基本建模单元构造成连续语音的句子模型，达到了比较高的建模精度和建模灵活性_2语音识别的关键技术2注语音识别单元的选取选择识别单元是语音识别研究的第一步。语音识别单兀有单词(句)、音节、音素三种，具休选择哪一种，由具体的研究任务决定单词(句)单元广泛应用于中小词汇语音识别系统，但不适合大词汇系统，原因在于其模型库过于庞大.仟务繁重.算法复杂，难以满足实时性要求音节单元多见于汉语语音识别，主要因为汉语是单音节结构的语言，而英语多是音节语言，并且汉语虽然有大约13加个音节，但若不考虑声调，约有如8个无调音节语言，数量相对较少。音素单元以前多见于英语语音识别的研究中，但目前中、大词汇量汉语语音识别系统也在越来越多地采用。原因在于汉语音节仅由声母(包括零声母有22个)和韵母戈共有28个)构成，民卢静母声学待性相差很大。实际应用中常把声母依后续韵母的不同而构成细化声母。这样，虽然增加了摸型数口但却提高了易混淆音节的区分能力2.2特征参提取技术语音信号中含有丰富的信息，特征提取就是从语音信号中提取出对语音识别有用的信息，并对语音信号进行分析处理.去吸.妇截深2007年第3期

目前主流的语音识别技术是基于统计模式识别的基本理论。一个完整的语音识别系统可大致分为三部分：

（1）语音特征提取：

（2）声学模型与模式匹配（识别算法）

（3）语义理解：计算机对识别结果进行语法、语义分析。

语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，

语音识别的发展简史

1952年AT& T Bell实验室实现了一个单一发音人孤立发音的十个英文数字的语音识别系统，到现在的人机语音交互。语音识别研究从二十世纪50年代开始到现在历半个多世纪的蓬勃发展，在这期间获得了巨大的进展。

现代语音识别技术研究重点包括即兴口语的识别和理解，自然口语对话，以及多语种的语音同声翻译。

语音识别应用的特点

1.语音识别系统必须覆盖的功能包括：

（1）语音识别系统要对用户有益（希望它是能检测到的）。例如提高生产率，容易使用，更好的人机界面，或更自然的信息交流模式。

（2）语音识别系统要对用户“友好”。 这种“友好”的含义是：用户在和系统进行语音对话时感到舒适；系统的语音提示既有帮助，又很亲近。

（3）语音识别系统必须有足够的精度

（4）语音识别系统要有实时处理能力；例如 系统对用户询问的响应时间要很短。

2. 语音识别错误的处理

有以下四种方式可以处理这个问题。

（1）错误弱化法。 这种处理仅仅花费用户很少一点时间，对用户几乎没什么其它不利影响。

（2）错误自检纠正法

系统利用已知任务的限制自动地检测并纠正错误。

（3）确认或多层次判定 （4）拒绝/转向人工座席。系统对其中通常较易导致系统识别错误的极少部分语音指令拒绝做出识别决定，而是将其转给人工座席。

在很多情况下，语音识别技术可以充分发挥出RFID的潜能：

1.积压产品、脱销产品

2.被废弃、被召回或已过期产品

3.回收的商品

4.促销产品

RFID系统在利用原有语音导向投资的情况下可以大大增加收益

毕业设计说明书

语音信号的提取与识别技术

——说话人识别系统的研究

作 者: 学 号：

学院(系):

专 业:

指导教师：

评 阅 人：

20**年6月

中 北 大 学

毕业设计（论文）任务书

学 院、系：

专 业：

学 生 姓 名： 学 号：

设计(论文)题目： 语音信号的提取与识别技术

起 迄 日 期: 20**年2月15日~20**年6月21日

设计(论文)地点:

指 导 教 师:

系 主 任:

发任务书日期:20**年2月15日

毕 业 设 计（论 文）任 务 书

1．毕业设计（论文）课题的任务和要求：

1. 了解声音信号的特征参数，及现阶段研究处理方法。以现阶段信号处理领域比较活跃的语音信号为具体研究对象，进行相关知识的了解与学习。

2. 学会在语音信号处理中使用MATLAB软件工具。

3. 针对基本的个别个体的特定声音进行与信识别研究。

4. 根据研究情况利用MATLAB语言进行相关算法的实现。

2．毕业设计（论文）课题的具体工作内容（包括原始数据、技术要求、工作要求等）：

1. 查阅相关资料，利用已学的相关知识进行消化和理解。

2. 了解现阶段的语音处理情况，分析研究相关的产品。

3. 研究学习基本的识别处理方法。

4. 学习相关信号处理软件。。

5. 对软件的学习达到能对基本的算法进行软件的处理。

6. 完成毕业设计论文。

毕 业 设 计（论 文）任 务 书

3．对毕业设计（论文）课题成果的要求〔包括毕业设计(论文)、图纸、实物样品等)：

1、毕业论文一份；

2、英文文献1份，相应的中文译文1份。

4．毕业设计（论文）课题工作进度计划：

起 迄 日 期 工 作 内 容

2006年

语音识别中的多说话人语音分离技术

一、背景

语音识别技术在现代社会中已经得到了广泛的应用，比如智能音箱、语音助手等。但是，在实际应用中，很多场景下存在多说话人同时说话的情况，此时语音识别系统会失灵，无法准确识别出每个说话人的话语。为了解决这个问题，需要使用多说话人语音分离技术。

二、多说话人语音分离技术的原理及发展历程

多说话人语音分离技术是指在多说话人场景下，对每个说话人的语音进行分离，使得每个人说话的内容可以独立地被识别。该技术的实现需要同时考虑人声分离、声源定位和信号增强等问题。

在早期，人们使用基于时间和空间分离的方法，比如说基于不同时间点上说话人的语音信号的剪辑，然后将它们进行组合，得到一个完整的语音信号。这些技术虽然可以较好地分离语音信号，但是它们非常耗时且难以实现。因此，早期的多说话人语音分离技术应用不广泛。

近年来，基于深度学习的多说话人语音分离技术得到了极大的发展。基于深度学习的技术采用深度神经网络（DNNs）作为语音分离方法的主要工具。这些技术在语音分离方面具有很好的性能，使得多说话人语音分离技术能够得到广泛的应用。 三、多说话人语音分离技术的应用

1. 智能音箱

智能音箱是指能够识别并响应人类语音指令的智能设备。多数情况下，智能音箱会被用于家庭应用场景，比如点播音乐、控制家庭设备等。然而，由于多说话人的情况时常发生，所以对于语音识别系统来说，需要使用多说话人语音分离技术，才能够有效地识别每个说话人的话语。

2. 政府部门

政府部门需要识别并记录一些公共场所、城市街道和其他设施中的说话人词语。这些词语通常涉及到重要的公共资源和设施，因此需要准确识别和录制。多说话人语音分离技术提供了一个可以在公共场所或者其他嘈杂环境中进行识别和记录的技术。

3. 医院和科研领域

在医院和科研领域中，有很多需要精确记录和识别每个说话人话语的场景。比如研究员需要把每个实验组的数据、思想和结果都精确记录下来，这就要求语音识别系统不仅能够识别不同的人的话语，还需要精确地记录下每一个人所说话语的细节。