數(shù)字語(yǔ)音處理

數(shù)語(yǔ)理程

數(shù)字語(yǔ)音處理課程論文指導(dǎo)老：班級(jí)：姓名：學(xué)號(hào)：

語(yǔ)音識(shí)別語(yǔ)音識(shí)技術(shù)涉及到幾個(gè)領(lǐng)，其中有：號(hào)處理模式識(shí)別、率論和信息論發(fā)聲機(jī)理和覺機(jī)理人工智能等聲學(xué)特聲學(xué)特的提取與選是語(yǔ)音別的一個(gè)重環(huán)節(jié)。學(xué)特征的提既是一個(gè)信息幅度壓縮的程，也一個(gè)信號(hào)解過(guò)程，的是使模式分器能好地劃。由于語(yǔ)信號(hào)的時(shí)變性，特提取必須在小段語(yǔ)信號(hào)上進(jìn)行也即進(jìn)行短時(shí)析。這一段認(rèn)為是穩(wěn)的分析區(qū)稱之為，幀與幀之的偏移常取幀的或1/3。通常要信號(hào)進(jìn)預(yù)加重以提高頻，信號(hào)加窗以免短時(shí)音段邊緣的響。下面介常用的一些學(xué)特征線性預(yù)系數(shù)LPC：線性測(cè)分析人的發(fā)聲機(jī)入手，過(guò)對(duì)聲道的管級(jí)聯(lián)模的研究，認(rèn)系統(tǒng)的遞函數(shù)符合極點(diǎn)數(shù)濾波器的形，從而n時(shí)刻的號(hào)可以用前干時(shí)刻信號(hào)的線性合來(lái)估。通過(guò)使實(shí)語(yǔ)音的樣值和性預(yù)測(cè)采樣之間達(dá)均方差最小LMS即得到線預(yù)測(cè)系數(shù)LPC對(duì)的計(jì)算法有相關(guān)法德賓法）、協(xié)方差法格型法等。計(jì)算上快速有效保了這一學(xué)特征的廣使用。LPC種預(yù)測(cè)數(shù)模型類似的學(xué)特征還有譜對(duì)、反射系等等。倒譜系CEP利用同處理方法，語(yǔ)音信號(hào)求散傅立變換DFT后取對(duì)數(shù)，求反變換就得到倒譜系。對(duì)LPC倒譜LPCCEP），在得濾波的線性預(yù)測(cè)數(shù)后，以用一個(gè)遞公式計(jì)得出。實(shí)驗(yàn)明，使倒譜可提高特征參的穩(wěn)定。Mel倒譜系數(shù)和知線性測(cè)PLP不于LPC等過(guò)對(duì)人發(fā)聲機(jī)理的研而得到的聲特征Mel譜系數(shù)MFCC和感知線預(yù)測(cè)PLP是受人的聽覺統(tǒng)研究成果動(dòng)而導(dǎo)的聲學(xué)特征對(duì)人的覺機(jī)理的研發(fā)現(xiàn)，兩個(gè)頻相近的音調(diào)時(shí)發(fā)出，人只能聽一個(gè)音。臨界帶寬的就是樣一種人的主觀感發(fā)生突的帶寬邊界當(dāng)兩個(gè)調(diào)的頻率差于臨界寬時(shí)，人就把兩個(gè)調(diào)聽成一個(gè)這稱之為屏效應(yīng)Mel刻度是對(duì)這一界帶寬的量方法之一MFCC計(jì)算首先FFT將域信號(hào)化成域，之對(duì)其對(duì)數(shù)能譜用依照Mel刻度分布的三角波器組行卷積，最對(duì)各個(gè)波器的輸出成的向量進(jìn)行散余弦變換DCT取前個(gè)數(shù)。PLP用德賓去計(jì)算參數(shù)，但在計(jì)自相關(guān)參數(shù)用的也對(duì)聽覺激勵(lì)對(duì)數(shù)能譜進(jìn)行DCT方法。

聲學(xué)模語(yǔ)音識(shí)系統(tǒng)的模型常由聲模型和語(yǔ)言型兩部組成，分別應(yīng)于語(yǔ)音到音概率的計(jì)算音節(jié)到概率的計(jì)算本節(jié)和一節(jié)分別介聲學(xué)模和語(yǔ)言型方面的技。HMM學(xué)建模：爾可夫型的概念是個(gè)離散域有限狀態(tài)動(dòng)機(jī)，馬爾可夫型指這一爾可夫模型內(nèi)部狀外界不可見外只能看到各個(gè)時(shí)的輸出值。語(yǔ)音識(shí)系統(tǒng)，輸出通常就從各個(gè)幀計(jì)而得的學(xué)特征。用畫語(yǔ)音號(hào)需作兩個(gè)假設(shè)，一是部狀態(tài)轉(zhuǎn)移只與上狀態(tài)有，另一是輸值只與前狀態(tài)（或前的狀轉(zhuǎn)移）有關(guān)這兩個(gè)設(shè)大大低了模型的雜度HMM打分解碼和練相的算法前向法、Viterbi算法前向后向算。語(yǔ)音識(shí)中使用HMM通是用從向右單向帶自環(huán)、帶跨越拓?fù)浣Y(jié)來(lái)對(duì)識(shí)別元建模，一音素就一個(gè)三至五態(tài)的HMM，個(gè)詞就構(gòu)成詞的多個(gè)音的行起來(lái)成的HMM，連續(xù)語(yǔ)識(shí)別的整個(gè)型就是和靜音組起來(lái)的。上下文關(guān)建模：協(xié)發(fā)音，的是一個(gè)音前后相音的影響而生變化從發(fā)聲理上看就是的發(fā)聲官在一個(gè)音向另一音時(shí)其特性能漸變從而使后一個(gè)音的譜與其條件下的頻產(chǎn)生差。上下文相建模方在建?？紤]了這一響，從使模型能更確地描語(yǔ)音，只考前一音影響的為Bi-Phone，慮前一和后一音的響的稱Tri-Phone英語(yǔ)的下文相關(guān)建通常以素為基元，于有些素對(duì)其后音的影響相似的因而可以通音素解狀態(tài)的聚類行模型數(shù)的共享。類的結(jié)稱為senone。決策用來(lái)實(shí)高效的的對(duì)應(yīng)通過(guò)回答一系列后音所屬類（元/輔音、清/濁等等的問(wèn)題最終定其態(tài)應(yīng)使哪個(gè)senone。分類回歸樹CART型用以行詞到音素發(fā)音標(biāo)。語(yǔ)言模語(yǔ)言模主要分為規(guī)模型和計(jì)模型兩種統(tǒng)計(jì)語(yǔ)模型是用概統(tǒng)計(jì)的方法來(lái)示語(yǔ)言單位在的統(tǒng)規(guī)律，其中單有效，被泛使用N-Gram：該模型基于這樣種假設(shè)第個(gè)詞的出現(xiàn)與前面?zhèn)€詞相關(guān)，而與其任何詞都不關(guān)，整的概率就是個(gè)詞出概率的乘積這些概可以通直接從語(yǔ)料統(tǒng)計(jì)個(gè)同時(shí)出現(xiàn)的數(shù)得到常用的是二的Bi-Gram三元的Tri-Gram。語(yǔ)言模的性能通常交叉熵復(fù)雜度Perplexity來(lái)衡量交叉熵的意是用該模對(duì)文本識(shí)別難度，者從壓縮的度來(lái)看每個(gè)詞平均用幾個(gè)來(lái)編碼復(fù)雜度的意是用該型表示這一本平均分支數(shù)，其數(shù)可視

每個(gè)詞平均概率?；侵笡]觀察到的N元組賦予一概率值，以證詞序列能通過(guò)語(yǔ)言型得到個(gè)概率值。常使用平滑技術(shù)有靈估計(jì)刪除插平滑、Katz平滑和Kneser-Ney滑。搜索連續(xù)語(yǔ)識(shí)別中的搜，就是找一個(gè)詞模序列以述輸入語(yǔ)音號(hào)，從而得到解碼序列。索所依的是對(duì)公式的聲學(xué)型打分和語(yǔ)模型打。在實(shí)際用中，往往依據(jù)經(jīng)給語(yǔ)言模型上一個(gè)權(quán)重，并設(shè)一個(gè)長(zhǎng)懲罰分。Viterbi基于動(dòng)規(guī)劃的算法每個(gè)時(shí)點(diǎn)上的各個(gè)態(tài)，計(jì)解碼狀態(tài)序?qū)τ^察序列后驗(yàn)概，保留概率大的路，并在每個(gè)點(diǎn)記錄相應(yīng)的態(tài)信息以便后反向取詞解碼序。Viterbi算在不喪最優(yōu)解的條件下時(shí)解決連續(xù)語(yǔ)音識(shí)中HMM模型狀序列與學(xué)觀察序列非線性時(shí)間準(zhǔn)、詞邊界測(cè)和詞識(shí)別，從而這一算成為語(yǔ)音識(shí)搜索的本策略由于語(yǔ)識(shí)別對(duì)當(dāng)前間點(diǎn)之的情況無(wú)法測(cè)，基目標(biāo)函數(shù)的發(fā)式剪難以應(yīng)。由于Viterbi算法的時(shí)齊特性，一時(shí)的各條徑對(duì)于同樣觀察序列因而具有可性，束搜在每一時(shí)刻保留概最大的前若條路徑大幅度的剪提高了索的效率。一時(shí)齊Viterbi-Beam法是當(dāng)前語(yǔ)音識(shí)搜索中最有的算法搜索多遍搜：在搜索中利各種知識(shí)源通常要進(jìn)行遍搜索第一遍使用價(jià)低的識(shí)源，產(chǎn)生個(gè)候選表或詞選網(wǎng)格，在基礎(chǔ)上行使用代價(jià)的知識(shí)的第二遍搜得到最路徑。前介紹的知源有聲模型、語(yǔ)言型和音詞典，這些以用于一遍搜。為實(shí)現(xiàn)更級(jí)的語(yǔ)識(shí)別或口語(yǔ)解，往要利用一些價(jià)更高知識(shí)源如或階的N-Gram4階或更高上下文關(guān)模、詞間關(guān)模型、分模型或語(yǔ)法析，進(jìn)重新打分。新的實(shí)大詞表連續(xù)音識(shí)別統(tǒng)許多使用這種多搜索策。N-best搜索生一個(gè)選列表，在個(gè)節(jié)點(diǎn)保留N最好的徑，會(huì)使計(jì)算復(fù)雜增加到N倍。簡(jiǎn)化的做法只保每個(gè)節(jié)的若干詞候，但可丟失次優(yōu)選。一個(gè)折辦法是考慮兩個(gè)詞的路徑保留條。詞候選網(wǎng)格以一種緊湊的方式出多候，對(duì)N-best索算法作相改動(dòng)后以得到生成候選格的算法。前向后搜索算法是個(gè)應(yīng)用遍搜索的例。當(dāng)應(yīng)簡(jiǎn)單知識(shí)源行了前向的Viterbi搜索后搜索過(guò)中得到的前概率恰可以用在后搜索的標(biāo)函數(shù)的算中，因而以使用發(fā)式的算法進(jìn)行后搜索，濟(jì)地搜索出條候選

系統(tǒng)實(shí)語(yǔ)音識(shí)系統(tǒng)選擇識(shí)基元的求是，有準(zhǔn)的定義能得到足夠據(jù)進(jìn)行訓(xùn)練，有一般性。語(yǔ)通常用上下文相的音素模，漢語(yǔ)的同發(fā)音如英語(yǔ)重，可以采音節(jié)建。系統(tǒng)所需訓(xùn)練數(shù)大小與模型雜度有。模型設(shè)得過(guò)于復(fù)雜至于超了所提供的練數(shù)據(jù)能力，會(huì)使性能急下降。聽寫機(jī)大詞匯量、特定人連續(xù)語(yǔ)音識(shí)系統(tǒng)通稱為聽寫機(jī)其架構(gòu)是建立前述聲學(xué)模和語(yǔ)言型基礎(chǔ)上的拓結(jié)構(gòu)訓(xùn)練時(shí)對(duì)每基元用前向向算法獲得型參數(shù)識(shí)別時(shí)，將元串接詞，詞間加靜音模并引入言模型作為間轉(zhuǎn)移率，形成循結(jié)構(gòu)，算法進(jìn)行碼。針對(duì)漢易于分割的點(diǎn)，先行分割再對(duì)一段進(jìn)解碼，是用提高效的一個(gè)化方法。對(duì)話系：用于實(shí)現(xiàn)機(jī)口語(yǔ)話的系統(tǒng)稱對(duì)話系。受目前技所限，對(duì)話系往往是面向個(gè)狹窄域、詞匯量限的系，其題材有游查詢訂票、據(jù)庫(kù)檢索等。其前是一個(gè)語(yǔ)音別器，別產(chǎn)生的N-best候或詞候選格，由語(yǔ)法析器進(jìn)分析獲取語(yǔ)信息，由對(duì)話管理確定應(yīng)信息，語(yǔ)音合成器出。由目前的系統(tǒng)往詞匯有限，也可用提取鍵詞的法來(lái)獲取語(yǔ)信息。自適應(yīng)魯棒性語(yǔ)音識(shí)系統(tǒng)的性能許多因的影響，包不同的話人、說(shuō)話式、環(huán)境噪音傳輸信道等。提高統(tǒng)魯棒性，要提高統(tǒng)克服這些素影響能力，系統(tǒng)在不同應(yīng)用環(huán)、條件下性穩(wěn)定；適應(yīng)的目的是根據(jù)同的影來(lái)源，自動(dòng)、有針性地對(duì)系統(tǒng)行調(diào)整在使用中逐提高性。以下對(duì)響系統(tǒng)性能不同因分別介紹解辦法。解決辦按針對(duì)語(yǔ)音征的方（以下稱特方法）模型調(diào)整的法（以稱模型法）分為兩。前者要尋找更好、高魯性的特征參，或是現(xiàn)有的征參數(shù)基礎(chǔ)，加入些特定的處方法。者是利用少的自適語(yǔ)料來(lái)正或變換原的說(shuō)話無(wú)關(guān)（SI）模型，從而使其為說(shuō)話自適應(yīng)（）模型。說(shuō)話人適應(yīng)的特征法有說(shuō)人規(guī)一化和話人子間法，模型法有貝葉斯方、變換法和型合并。語(yǔ)音系中的噪聲，括環(huán)境聲和錄音過(guò)加入的子噪聲。提系統(tǒng)魯棒性的征方法包括音增強(qiáng)尋找對(duì)噪聲擾不敏的特征，模方法有行模型合方和在訓(xùn)練中為加入聲信道畸包括錄音時(shí)筒的距離、使不同靈敏度話筒、同增益的前放大和同的濾波器計(jì)