語(yǔ)音信號(hào)處理綜述.docx

語(yǔ)音信號(hào)處理綜述摘要：隨著信息技術(shù)的發(fā)展，語(yǔ)音信號(hào)處理技術(shù)不斷地融入到各個(gè)領(lǐng)域。作為21世紀(jì)信息技術(shù)領(lǐng)域最重要的科學(xué)技術(shù)之一，它成為了人機(jī)接口的關(guān)鍵技術(shù)，并且越來(lái)越受到人們的重視。本文介紹了國(guó)內(nèi)外語(yǔ)音技術(shù)的相關(guān)發(fā)展及該技術(shù)在通訊，家具，導(dǎo)航等領(lǐng)域的應(yīng)用。并對(duì)他們的語(yǔ)音技術(shù)的優(yōu)缺點(diǎn)進(jìn)行了總結(jié)。關(guān)鍵詞： 語(yǔ)音技術(shù) 通訊 Review of Speech Signal ProcessingAbstract: With the development of information technology, the Automatic Speech Recognition (ASR) constantly into the fields. The ASR which is one the most important technology in information fields and it is the key technology of the man-machine interface, and which is more and more appreciated by people. The text introduces the development and application in communication, household and navigation of the ASR. I summer the advantages and disadvantages of their ASR.Key words: ASR communication一、 研究語(yǔ)音信號(hào)處理技術(shù)的背景及其意義隨著人們進(jìn)入信息時(shí)代，人們的生活、學(xué)習(xí)、工作領(lǐng)域也越來(lái)越智能化。作為人和這些領(lǐng)域溝通的關(guān)鍵接口，語(yǔ)音信號(hào)處理技術(shù)自然引起里人們的足夠重視。該技術(shù)就是讓機(jī)器通過(guò)識(shí)別和理解把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的高級(jí)技術(shù)。通過(guò)該技術(shù)人們可以不通過(guò)鍵盤(pán)的輸入過(guò)程而直接通過(guò)語(yǔ)音進(jìn)行操作，并且語(yǔ)音技術(shù)的應(yīng)用已經(jīng)成為一個(gè)具有競(jìng)爭(zhēng)性的新興高技術(shù)產(chǎn)業(yè)。如今，語(yǔ)音技術(shù)相關(guān)產(chǎn)品已經(jīng)成為了我們生活的一部分，它的作用越來(lái)越被重視，人們對(duì)當(dāng)前語(yǔ)音技術(shù)的提高也是越來(lái)越期待。二、語(yǔ)音處理系統(tǒng)的分類(lèi)（1）按發(fā)音方式分為孤立詞、連接詞和連續(xù)語(yǔ)音的語(yǔ)音識(shí)別系統(tǒng)。語(yǔ)音識(shí)別系統(tǒng)可能要求說(shuō)話(huà)者 以單字、單詞、或是短語(yǔ)為發(fā)音單位，其間就必須要略微停頓，否則識(shí)別就會(huì)有問(wèn)題。以前 的語(yǔ)音識(shí)別系統(tǒng)，幾乎都是以單字或單詞為單位的孤立語(yǔ)音識(shí)別系統(tǒng)，隨著連續(xù)語(yǔ)音識(shí)別技 術(shù)漸趨成熟，連續(xù)詞和連續(xù)語(yǔ)音這個(gè)最自然的說(shuō)話(huà)方式，將成為語(yǔ)音識(shí)別系統(tǒng)的主流。（2）按詞 匯量大小分為小詞表、中詞表和大詞表以及無(wú)限詞匯量語(yǔ)音識(shí)別系統(tǒng)。如果語(yǔ)音識(shí)別系統(tǒng)只 為你進(jìn)行電話(huà)拔號(hào)，那它只要能聽(tīng)懂10個(gè)數(shù)字就行了，這屬于小詞匯量語(yǔ)音識(shí)別系統(tǒng)；如果 它是為你自動(dòng)轉(zhuǎn)接話(huà)務(wù)，那它還應(yīng)識(shí)別單位名、人名和時(shí)間等成千上百的詞和字，這屬于中 等詞匯量語(yǔ)音識(shí)別系統(tǒng)；如果它是把1篇口述的演講報(bào)告轉(zhuǎn)換成為文字，這屬于大詞匯量語(yǔ) 音識(shí)別系統(tǒng)。（3）按說(shuō)話(huà)人適應(yīng)范圍分為特定人、限定人和非特定人語(yǔ)音識(shí)別系統(tǒng)。特定人系統(tǒng) 是指系統(tǒng)在使用前必須由用戶(hù)輸入大量的發(fā)音數(shù)據(jù)、對(duì)其進(jìn)行訓(xùn)練。非特定人系統(tǒng)則試圖達(dá) 到在系統(tǒng)構(gòu)建成功之后，用戶(hù)需要事先輸入大量的訓(xùn)練數(shù)據(jù)，即可使用的目的。三、 語(yǔ)音信號(hào)處理技術(shù)研究現(xiàn)狀語(yǔ)音識(shí)別的研究工作可以追溯到20世紀(jì)50年代AT&T貝爾實(shí)驗(yàn)室的系統(tǒng)，它是第一個(gè)可以識(shí)別十個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng)。但真正取得實(shí)質(zhì)性進(jìn)展，并將其作為一個(gè)重要的課題開(kāi)展研究則是在60年代末70年代初。這首先是因?yàn)橛?jì)算機(jī)技術(shù)的發(fā)展為語(yǔ)音識(shí)別的實(shí)現(xiàn)提供了硬件和軟件的可能，更重要的是語(yǔ)音信號(hào)線(xiàn)性預(yù)測(cè)編碼（LPC）技術(shù)和動(dòng)態(tài)時(shí)間規(guī)整（DTW）技術(shù)的提出，有效的解決了語(yǔ)音信號(hào)的特征提取和等長(zhǎng)匹配問(wèn)題。這一時(shí)期的語(yǔ)音識(shí)別主要基于模板匹配原理，研究的領(lǐng)域局限在特定人，小詞匯表的孤立詞識(shí)別，實(shí)現(xiàn)了基于線(xiàn)性預(yù)測(cè)倒譜和DTW技術(shù)的特定人孤立詞語(yǔ)音識(shí)別系統(tǒng)；同時(shí)提出了矢量量化(VQ)和馬爾可夫模型(HMM)理論。隨著應(yīng)用領(lǐng)域的擴(kuò)大，小詞匯表、特定人、孤立詞等這些對(duì)語(yǔ)音識(shí)別的約束條件需要放寬，與此同時(shí)也帶來(lái)了許多新的問(wèn)題：第一，詞匯表的擴(kuò)大使得模板的選取和建立發(fā)生困難；第二，連續(xù)語(yǔ)音中，各個(gè)音素、音節(jié)以及詞之間沒(méi)有明顯的邊界，各個(gè)發(fā)音單位存在受上下文強(qiáng)烈影響的協(xié)同發(fā)音（Co-articulation）現(xiàn)象；第三，非特定人識(shí)別時(shí)，不同的人說(shuō)相同的話(huà)相應(yīng)的聲學(xué)特征有很大的差異，即使相同的人在不同的時(shí)間、生理、心理狀態(tài)下，說(shuō)同樣內(nèi)容的話(huà)也會(huì)有很大的差異；第四，識(shí)別的語(yǔ)音中有背景噪聲或其他干擾。因此原有的模板匹配方法已不再適用。實(shí)驗(yàn)室語(yǔ)音識(shí)別研究的巨大突破產(chǎn)生于20世紀(jì)80年代末：人們終于在實(shí)驗(yàn)室突破了大詞匯量、連續(xù)語(yǔ)音和非特定人這三大障礙，第一次把這三個(gè)特性都集成在一個(gè)系統(tǒng)中，比較典型的是卡耐基梅隆大學(xué)的Sphinx系統(tǒng)，它是第一個(gè)高性能的非特定人、大詞匯量連續(xù)語(yǔ)音識(shí)別系統(tǒng)。這一時(shí)期，語(yǔ)音識(shí)別研究進(jìn)一步走向深入，其顯著特征是HMM模型和人工神經(jīng)元網(wǎng)絡(luò)(ANN)在語(yǔ)音識(shí)別中的成功應(yīng)用。HMM模型的廣泛應(yīng)用應(yīng)歸功于等科學(xué)家的努力，他們把原本艱澀的HMM純數(shù)學(xué)模型工程化,從而為更多研究者了解和認(rèn)識(shí)，從而使統(tǒng)計(jì)方法成為了語(yǔ)音識(shí)別技術(shù)的主流。統(tǒng)計(jì)方法將研究者的視線(xiàn)從微觀轉(zhuǎn)向宏觀，不再刻意追求語(yǔ)音特征的細(xì)化，而是更多地從整體平均（統(tǒng)計(jì)）的角度來(lái)建立最佳的語(yǔ)音識(shí)別系統(tǒng)。在聲學(xué)模型方面，以Markov鏈為基礎(chǔ)的語(yǔ)音序列建模方法HMM（隱式Markov鏈）比較有效地解決了語(yǔ)音信號(hào)短時(shí)穩(wěn)定、長(zhǎng)時(shí)時(shí)變的特性，并且能根據(jù)一些基本建模單元構(gòu)造成連續(xù)語(yǔ)音的句子模型，達(dá)到了比較高的建模精度和建模靈活性。在語(yǔ)言層面上，通過(guò)統(tǒng)計(jì)真實(shí)大規(guī)模語(yǔ)料的詞之間同現(xiàn)概率即N元統(tǒng)計(jì)模型來(lái)區(qū)分識(shí)別帶來(lái)的模糊音和同音詞。另外，人工神經(jīng)網(wǎng)絡(luò)方法、基于文法規(guī)則的語(yǔ)言處理機(jī)制等也在語(yǔ)音識(shí)別中得到了應(yīng)用。20世紀(jì)90年代前期，許多著名的大公司如IBM、蘋(píng)果、AT&T和NTT都對(duì)語(yǔ)音識(shí)別系統(tǒng)的實(shí)用化研究投以巨資。語(yǔ)音識(shí)別技術(shù)有一個(gè)很好的評(píng)估機(jī)制，那就是識(shí)別的準(zhǔn)確率，而這項(xiàng)指標(biāo)在20世紀(jì)90年代中后期實(shí)驗(yàn)室研究中得到了不斷的提高。其中IBM公司于1997年開(kāi)發(fā)出漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)，次年又開(kāi)發(fā)出可以識(shí)別上海話(huà)、廣東話(huà)和四川話(huà)等地方口音的語(yǔ)音識(shí)別系統(tǒng)ViaVoice98。它帶有一個(gè)32,000詞的基本詞匯表，可以擴(kuò)展到65,000詞,還包括辦公常用詞條，具有“糾錯(cuò)機(jī)制”，其平均識(shí)別率可以達(dá)到95%。該系統(tǒng)對(duì)新聞?wù)Z音識(shí)別具有較高的精度，是目前具有代表性的漢語(yǔ)連續(xù)語(yǔ)音識(shí)別系統(tǒng)。我國(guó)語(yǔ)音識(shí)別研究工作起步于五十年代，但近年來(lái)發(fā)展很快。研究水平也從實(shí)驗(yàn)室逐步走向?qū)嵱?。?987年開(kāi)始執(zhí)行國(guó)家863計(jì)劃后，國(guó)家863智能計(jì)算機(jī)專(zhuān)家組為語(yǔ)音識(shí)別技術(shù)研究專(zhuān)門(mén)立項(xiàng)。目前中科院自動(dòng)化所、聲學(xué)所、清華大學(xué)、北京大學(xué)那個(gè)上的高校及研究單位在大詞匯連續(xù)語(yǔ)音識(shí)別系統(tǒng)上的研究水平已經(jīng)接近國(guó)際先進(jìn)指標(biāo)。其中具有代表性的研究單位為清華大學(xué)電子工程系與中科院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室。清華大學(xué)電子工程系語(yǔ)音技術(shù)與專(zhuān)用芯片設(shè)計(jì)課題組，研發(fā)的非特定人漢語(yǔ)數(shù)碼串連續(xù)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度，達(dá)到94.8%（數(shù)字串）和96.8%（定長(zhǎng)數(shù)字串）。在有5%的情況下，系統(tǒng)識(shí)別率可以達(dá)到96.9%（長(zhǎng)數(shù)字串）和98.7%（定長(zhǎng)數(shù)字串），這是目前國(guó)際最好的識(shí)別結(jié)果之一，其性能已經(jīng)接近實(shí)用水平。研發(fā)的5000詞郵包校核非特定人連續(xù)語(yǔ)音識(shí)別系統(tǒng)的識(shí)別率達(dá)到98.73%，前三選識(shí)別率達(dá)99.96%；并且可以識(shí)別普通話(huà)與四川語(yǔ)言，達(dá)到實(shí)用要求。此外，中科大訊飛輸入法在語(yǔ)音信號(hào)處理方面也達(dá)到了國(guó)際先進(jìn)水平。中科院自動(dòng)化所及其所屬模式科技公司2002年發(fā)布了他們共同推出的面向不同計(jì)算平臺(tái)和應(yīng)用的“天語(yǔ)”中文語(yǔ)音系列產(chǎn)品，結(jié)束了中文語(yǔ)音識(shí)別產(chǎn)品自1998年以來(lái)一直由國(guó)外公司壟斷的歷史。電子科技大學(xué)鐘林鵬等人優(yōu)化了語(yǔ)音信號(hào)檢測(cè)方法之一的功率譜算法，從而使語(yǔ)音信號(hào)檢測(cè)更加精準(zhǔn)。山東大學(xué)王京輝等人通過(guò)對(duì)合成語(yǔ)音進(jìn)行適當(dāng)語(yǔ)音參數(shù)控制和調(diào)整從而改變了二次譜提取基頻算法，提高了基頻提取的準(zhǔn)確度，進(jìn)一步提出了一種新的機(jī)遇改進(jìn)二次普的語(yǔ)音時(shí)長(zhǎng)規(guī)整算法，該算法在保持語(yǔ)音質(zhì)量的同時(shí)，有效降低了整體計(jì)算復(fù)雜度。作者軟件采用VC+和MATLAB混合編程思想，利用該軟件可以實(shí)現(xiàn)語(yǔ)音變速和變聲處理兩功能。哈爾濱工業(yè)大學(xué)游大濤等人通過(guò)優(yōu)化聲學(xué)特征的魯棒特征提取算法改進(jìn)了在噪音條件下的語(yǔ)音識(shí)別技術(shù)，此外作者還提出了在魯棒性方面優(yōu)于MFCC和PLP的檢測(cè)方法基于聲源分離機(jī)制的語(yǔ)音活動(dòng)性檢測(cè)方法。大連理工大學(xué)汪林等人提出了近似個(gè)性HRFT的主管選擇法、基于對(duì)數(shù)幅度誤差最小化的CAPZ模型、基于共極點(diǎn)/零點(diǎn)（CAPZ）模型串生消除法、結(jié)合盲源分離和波束形成的聯(lián)合分離等方法，這些方法有效改善了語(yǔ)音信號(hào)處理技術(shù)在噪音環(huán)境下的語(yǔ)音識(shí)別能力和盲源分離處理能力。北京交通大學(xué)王杏等人提出了基于改進(jìn)噪聲估計(jì)和幅度補(bǔ)償?shù)母倪M(jìn)譜減法，該方法在消除噪聲的同時(shí)能有效避免冤信號(hào)收到損傷從而影響混疊語(yǔ)音的分離。四、語(yǔ)音信號(hào)處理的應(yīng)用語(yǔ)音信號(hào)處理技術(shù)室計(jì)算機(jī)智能接口與人機(jī)交互的重要手段之一。其應(yīng)用市場(chǎng)前景廣泛，在一些應(yīng)用領(lǐng)域中正迅速成為一個(gè)關(guān)鍵的具有競(jìng)爭(zhēng)力的技術(shù)。如聲控電話(huà)轉(zhuǎn)換、聲控語(yǔ)音撥號(hào)系統(tǒng)、聲控智能玩具、信息網(wǎng)絡(luò)查詢(xún)、工業(yè)控制、家庭服務(wù)、通訊服務(wù)、旅行服務(wù)、醫(yī)療服務(wù)、銀行服務(wù)等等。語(yǔ)音識(shí)別技術(shù)還可以用于自動(dòng)口語(yǔ)翻譯，及通過(guò)口語(yǔ)識(shí)別技術(shù)、及其翻譯技術(shù)、語(yǔ)音合成技術(shù)等相結(jié)合，可將一種語(yǔ)言的輸入語(yǔ)音翻譯為另一種語(yǔ)言的語(yǔ)音輸出，實(shí)現(xiàn)跨語(yǔ)言的交流。目前美歐及日本、韓國(guó)、中國(guó)都在開(kāi)張相關(guān)技術(shù)的研究，并實(shí)現(xiàn)了應(yīng)用。五、結(jié)論及展望如今語(yǔ)音信號(hào)處理技術(shù)已經(jīng)取得了很大進(jìn)步，但是目前還是存在很多問(wèn)題，如說(shuō)話(huà)人發(fā)音方式的變化、語(yǔ)音變短、背景噪音、信道失衡等等，有鑒于此，仍然有諸多方面需要進(jìn)一步探究和完善。（1）目前使用的語(yǔ)言模型只是一種概率模型，沒(méi)有用到以語(yǔ)言學(xué)為基礎(chǔ)的文法模型，因此需要計(jì)算機(jī)準(zhǔn)確理解人類(lèi)語(yǔ)言，需要優(yōu)化吸血方法。如特征提取、搜索算法、自適應(yīng)算法等等。（2）在一些詞匯識(shí)別方面，計(jì)算機(jī)所呈現(xiàn)的語(yǔ)音模型太過(guò)局限。例如當(dāng)用戶(hù)輸入“信噪比”這個(gè)詞匯，計(jì)算機(jī)會(huì)顯示其錯(cuò)誤或者不規(guī)范。此外，現(xiàn)實(shí)世界的聲音是多種多樣的，當(dāng)發(fā)音和標(biāo)準(zhǔn)聲音區(qū)別區(qū)別較大時(shí)，計(jì)算機(jī)或設(shè)備將不能識(shí)別或者說(shuō)識(shí)別錯(cuò)誤。（3）語(yǔ)音端點(diǎn)檢測(cè)受背景噪音的影響很大，這就需要進(jìn)一步改進(jìn)技術(shù)或方法使其受環(huán)境影響更小。（4）不同的特征之間按一定的法則組合后對(duì)識(shí)別率具有影響，因此還需要優(yōu)化相應(yīng)的算法減小影響。（5）在語(yǔ)音時(shí)長(zhǎng)規(guī)整技術(shù)研究中，有待進(jìn)一步研究正弦模型，從而改善語(yǔ)音合成等技術(shù)。隨著人們對(duì)語(yǔ)音技術(shù)的需求和重視，語(yǔ)音信號(hào)處理技術(shù)必將快速發(fā)展和具有很大的提高，其應(yīng)用的范圍也會(huì)越來(lái)越大，并且語(yǔ)音技術(shù)的應(yīng)用價(jià)值需要人們繼續(xù)發(fā)現(xiàn)和挖掘。參考文獻(xiàn)1 易克初.語(yǔ)音信號(hào)處理M.哈爾濱工業(yè)大學(xué)出版社2 王炳錫.實(shí)用語(yǔ)音識(shí)別基礎(chǔ)M.國(guó)防工業(yè)出版社3 韓紀(jì)慶,呂明,鄭鐵然.語(yǔ)音信號(hào)處理M.清華大學(xué)出版社4 李晉.語(yǔ)音信號(hào)端點(diǎn)檢測(cè)算法研究D.湖南師范大學(xué)5 何姣.帶噪語(yǔ)音信號(hào)基音檢測(cè)技術(shù)研究:碩士學(xué)位論文電子科技大學(xué)6 趙力.語(yǔ)音信號(hào)處理.機(jī)械電子工業(yè)出版社7 鐘林鵬.說(shuō)話(huà)人識(shí)別系統(tǒng)中的語(yǔ)音信號(hào)處理技術(shù)研究：碩士學(xué)位論文.電子科技大學(xué)8 張雄偉,陳亮,楊吉斌.現(xiàn)代語(yǔ)音處理技術(shù)及應(yīng)用.機(jī)械電子工程出版社9 李萱.語(yǔ)音特征參數(shù)提取方法研究：碩士學(xué)位論文. 西安電子科技大學(xué)10 王京輝.語(yǔ)音處理信號(hào)技術(shù)研究:碩士學(xué)位論文.山東大學(xué)11 楊瑩春.說(shuō)話(huà)人特征及模型研究：博士后論文.浙江大學(xué)12 陳硯圃.聽(tīng)覺(jué)感知及其在語(yǔ)音增強(qiáng)中的應(yīng)用研究:博士學(xué)位論文.西安交通大學(xué)13 游大濤.基于聽(tīng)覺(jué)機(jī)理的魯棒特征提取及在說(shuō)話(huà)人識(shí)別中的應(yīng)用：博士學(xué)位論文.哈爾濱工業(yè)大學(xué)14 汪林.多通道語(yǔ)音信號(hào)處理中的關(guān)鍵技術(shù)研究:博士學(xué)位論文.大連理工大學(xué)15 王杏.帶噪混疊語(yǔ)音信號(hào)盲分離方法研究:碩士學(xué)位論文. 北京交通大學(xué)16 劉建強(qiáng).非平穩(wěn)環(huán)境中的盲源分離算法研究.西安電子科技大學(xué)17 Li Q, Huang Y. An auditory-based feature extraction algorithm for r