非特定人汉语连续数字语音识别系统的研究与实现

论文摘要

本文在对语音识别相关理论研究的基础上，应用VC++编程技术构建了实时语音识别软件系统，并在该软件系统上对汉语非特定人连续数字语音识别进行了一系列实验，取得了较好的效果。本文首先介绍语音识别技术国内外发展状况，分析了汉语连续数字语音识别中面临的困难，在此基础上阐明本课题的研究背景和意义。其次，讨论了语音识别系统的基本原理及构成模型。详细介绍了语音信号分析技术以及隐马尔可夫模型（Hidden Markov Model，HMM）等相关理论，为语音识别软件系统的实现和语音识别实验的开展奠定了相关的理论基础。再次，应用VC++软件编程技术构建了实时语音识别软件系统。在软件系统构建过程中充分考虑了软件的适应性和易用性，通过多线程多缓冲技术实现了声卡实时采集与回放，网络实时接收与发送等功能；友好的人机界面可以对语音信号进行实时观察与分析，对识别结果进行直观显示等；在识别处理方面，深入研究并借鉴了英国剑桥大学的语音识别系统HTK的开源代码，保证了识别系统的先进性。最后，在本文编制的软件系统上对汉语非特定人连续数字语音进行了相关的识别实验并对识别结果进行了分析，取得良好的效果。同时对语音识别系统进行了全面的总结，并对今后的工作进行了展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 语音识别的基本概念
• 1.2 语音识别基本原理和方法
• 1.2.1 语音识别的基本原理
• 1.2.2 语音识别的基本方法
• 1.3 语音识别发展历史及现状
• 1.3.1 国外研究历史及现状
• 1.3.2 国内研究历史及现状
• 1.4 论文研究的目的和意义
• 1.4.1 汉语数字语音识别所面临的问题
• 1.4.2 汉语连续数字语音识别的研究意义
• 1.5 论文研究内容
• 第二章 语音信号分析
• 2.1 概述
• 2.2 语音信号预处理
• 2.2.1 语音信号预加重处理
• 2.2.2 语音信号分帧与加窗处理
• 2.3 语音信号端点检测
• 2.3.1 端点检测的目的
• 2.3.2 端点检测的参量选择
• 2.3.3 端点检测的原理
• 2.3.4 噪音统计及端点检测指标量的计算
• 2.4 特征参数的提取
• 2.4.1 线性预测分析及 LPCC 参数提取过程
• 2.4.2 MFCC 参数及提取过程
• Delta 特征参数的提取'>2.4.3 Delta 与 Delta_Delta 特征参数的提取
• 2.4.4 MFCC 参数与 LPCC 参数的对比
• 2.5 本章小结
• 第三章 隐马尔可夫模型及其在语音识别中的应用
• 3.1 概述
• 3.2 隐马尔科夫模型的定义
• 3.2.1 马尔科夫链
• 3.2.2 隐马尔科夫模型
• 3.3 隐马尔科夫模型的三个基本问题
• 3.3.1 隐马尔科夫模型的评价问题—前后向算法
• 3.3.2 隐马尔科夫模型的解码问题—Viterbi 算法
• 3.3.3 隐马尔科夫模型的学习问题—Baum-Welch 算法
• 3.4 隐马尔科夫模型的结构和类型
• 3.5 隐马尔科夫模型在语音识别中的应用
• 3.5.1 汉语声学模型的选取
• 3.5.2 隐马尔科夫模型的建立
• 3.5.3 隐马尔科夫模型的训练
• 3.5.4 隐马尔科夫模型的识别
• 3.6 隐马尔科夫模型存在的问题
• 3.7 本章小结
• 第四章 基于 VC++的语音识别软件系统的构建
• 4.1 概述
• 4.2 语音识别软件系统的接口实现
• 4.2.1 语音识别软件系统文件回放技术的实现
• 4.2.2 语音识别软件系统声卡实时采集技术的实现
• 4.2.3 语音识别软件系统网络通信技术的实现
• 4.3 语音识别软件系统信号处理流程
• 4.4 语音识别软件系统人机交互与信号分析的实现
• 4.5 语音识别软件系统模型训练与评估的实现
• 4.6 语音识别软件实时运行的实现
• 4.7 本章小结
• 第五章 语音识别实验及结果分析
• 5.1 概述
• 5.2 实验准备
• 5.2.1 实验软硬件环境
• 5.2.2 实验语音库的建立
• 5.2.3 声学模型与结构的选择
• 5.2.4 信号特征参数的选择
• 5.2.5 系统识别词典、语法模型的建立以及识别性能评估算法
• 5.3 实验及结果分析
• 5.3.1 不同状态数的识别实验
• 5.3.2 不同高斯密度混合数的识别实验
• 5.3.3 不同声学单元的识别实验
• 5.3.4 不同模型状态转移数的识别实验
• 5.3.5 不同特征参数的识别实验
• 5.4 连续数字语音实时识别系统的实现
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2. 未来工作展望
• 致谢
• 参考文献