语音识别技术介绍 ppt课件

我国语音识别研究工作起步于五十年代，但近年来发展很快，研究水平也从 实验室逐步走向实用。从1987年开始执行国家863计划后，国家863智能计算机 专家组为语音识别技术研究专门立项，每两年滚动一次。我国语音识别技术的研 究水平己经基本上与国外同步，在汉语语音识别技术上还有自己的特点与优势， 并达到国际先进水平。其中，具有代表性的研究单位是清华大学电子工程系与中 科院自动化研究所模式识别国家重点实验室。
80年代语音识别研究进一步走向深入，其显著特征是HMM模型和人工神经 元网络(ANN)在语音识别中的成功应用。HMM模型的广泛应用应归功于AT&T Bel实验室的Rabiner等科学家的努力，他们把HMM纯数学模型工程化，从而为 更多研究者了解和认识。研究的重点逐渐转向大词汇量、非特定人连续语音识别。
语音识别概述
70年代语音识别领域取得了突破。在理论上，LP 技术得到进一步发展，动 态时间规整技术(DTW)的基本成熟，特别是提出了矢量量化(VQ)和隐马尔可夫模 型(HMM)理论。在实践上，小词汇量孤立词的识别方面取得了实质性的进展 ， 实现了基于线性预测倒谱和DTW技术的特定人孤立语音识别系统。这一时期的 语音识别方法基本上是采用传统的模式识别策略。
语音信号处理与识别
一、语音识别概述 二、语音识别系统基本原理 三、预处理及特征参数提取 四、模板匹配技术及相似性判断方法 五、语音识别系统的设计和实现
语音识别概述
让机器听懂人类的语音，这是人们长期以来梦寐以求的事情。伴随计算机技 术发展，语音识别己成为信息产业领域的标志性技术，在人机交互应用中逐渐进 入我们日常的生活，并迅速发展成为“改变未来人类生活方式厅的关键技术之一。
语音识别技术以语音信号为研究对象，是语音信号处理的一个重要研究方 向 。其最终目标是实现人与机器进行自然语言通信。
发展和现状：
20世纪50年代，AT&T Bell(贝尔)研究所成功研制了世界上第一个能识别10 个英文数字的语音识别系统一Audry系统，这标志着语音识别研究的开始。
60年代计算机的应用推动了语音识别的发展。这一时期的重要成果是动态规 划(Dynamic Programming, DP)和线性预测分析(Linear Predi了深远的影响。
由清华大学电子工程系语音技术与专用芯片设计课题组研发的非特定人汉语 数码串连续语音识别系统，识别精度达到了94.8%(不定长数字串)和96.8%(定长 数字串).
语音识别概述
语音识别系统分类：
从说话者与识别系统的相关性分: (1)特定人语音识别系统：仅考虑对于专人的话音进行识别，与说话的语种没 有关系； (2)非特定人语音识别系统：识别的语音与人无关，通常要用大量不同人的语 音数据库对识别系统进行学习，识别的语言取决于采用的训练语音库； (3)多人的识别系统：通常能识别一组人的语音该系统通常要求对该组人的语 音进行学习，通常可以识别三到五个人的语音。
语音识别概述
21世纪语音识别技术的应用及产品化方面进一步发展。在语音识别产品方面， 各大公司纷纷推出自己产品。目前世界上最先进的语音识别软件，既不是微软生 产的，也非IBM制造，它的名字叫做Naturally Speaking，出自于Nuance Communications公司。Naturally Speaking己经得到了大多数用户的认可。用户 对着麦克风说话，屏幕上就显示出说话的内容，很容易识别和纠正错误.久而久 之，该软件就会适应用户的说话风格。
语音识别概述
语音识别的基本方法:
一般来说，语音识别的方法有三种：基于声道模型和语音知识的方法、模 板匹配的方法以及利用人工神经网络的方法。
(1)语音学和声学的方法 该方法起步较早，在语音识别技术提出的开始，就有了这方面的研究，但由
于其模型及语音知识过于复杂，现阶段没有达到实用的阶段.
(2)模板匹配的方法 模板匹配的方法发展比较成熟，目前己达到了实用阶段。常用的技术有三种:
目前市场上出现的语音识别器大多数是特定人孤立单词语音识别系统。
孤立词语音识别系统中的难点问题： (1) 语音信号的多变性 语音信号是非平稳随机信号，不但不同发音者发音之间存在重大的差异，即
使同一人同一语音的不同次发音，也存在很大差异。 (2) 噪声影响 当实际环境中有噪声存在时，容易造成训练与测试环境不匹配导致语音识别
从说话的方式分: (1)孤立词语音识别系统:其输入系统要求输入每个词后要停顿; (2)连接词语音识别系统:其输入系统要求对每个词都清楚发音,开始出现一些 连音现象; (3) 连续语音识别系统:连续语音输入自然流利的语音，会出现大量的连音和 变音。
另外从识别系统的词汇量大小分:小词汇量语音识别系统（几十个词）；中等 词汇量语音识别系统（几百到上千个词）；大词汇量语音识别系统（几千到几万 个词）。
动态时间规整(DTW)、隐马尔可夫(HMM)理论、矢量量化(VQ)技术。
(3)神经网络的方法 基于ANN的语音识别系统通常由神经元、训练算法及网络结构等三大要素构 成。由于基于神经网络的训练识别算法由于实现起来较复杂，目前仍只是处 于实验室研究阶段。
语音识别概述
目前语音识别的研究主流是大词汇量的非特定人的连续语音系统，但是事实 上，对于许多应用来说，一个语音识别系统只要一组词汇或命令，它就可能为用 户提供一个有效的工具，简单有效的孤立词特定人语音识别系统就能满足要求。 正是孤立词特定人语音识别系统广阔的应用前景以及优越性促使我们继续对它进 行研究
90年代，随着多媒体时代的来临，在语音识别技术的应用及产品化方面出现 了很大的进展。许多发达国家如美国、日本、韩国以及IBM，Apple，AT&T,NTT 等著名公司都为语音识别系统的实用化开发投以巨资。语音识别技术实用化进程 大大加速，并出现了许多实用化产品。
IBM公司率先推出的汉语ViaVoice语音识别系统，带有一个32,000词的基本 词汇表，可以扩展到65,000词，平均识别率可以达到95%，可以识别上海话、广 东话和四川话等地方口音，是目前具有代表性的汉语连续语音识别系统。