基于多組狀態(tài)轉移順序聚類模型（MSSC）漢語語音識別系統(tǒng)的研究.pdf

1、語音識別技術經(jīng)過近半個世紀的發(fā)展，已日趨成熟。然而，由于漢語結構復雜，單音節(jié)為主，同音字多，方言多，語法亦不規(guī)范等問題，目前漢語語音識別還沒有達到理想的程度，距漢語識別實用化還有很大的距離。漢語語音識別是一項工程復雜，難度大，而應用前景廣闊的研究工作。近年來國際國內(nèi)流行隱馬爾可夫HMM算法及動態(tài)時間匹配DTW算法，這些算法也被應用于漢語語音識別中，并取得了較好的效果。對于以字母單詞組成的文字語言(例如英語法語俄語德語等)，將語音分幀數(shù)據(jù)

2、進行特征提取，得到特征矢量序列(例如LPCC；MEL倒譜等)，目前的HMM及DTW等方法均默認該序列各項含有同等重要的信息，因此采用同等對待的方法。這一點對由多音節(jié)組成單詞的語音來說，是可以理解的，因為我們不能人為地認為單詞中前面的音節(jié)就一定比后面的重要。但對一字一音的漢語語音就不正確了。漢語字音中，每音節(jié)(即字音)前面的幀含有更多的語音信息，應該對正確識別起更大的貢獻，而不應該平等看待。另外，對每一個音節(jié)應采用一組多個子模型來描述，以

3、適應不同語速的語音及不同人的語音的特征矢量組發(fā)生很大的變化的情況。 本文改進了傳統(tǒng)的語音識別模型，研究討論了一種新的漢語語音模型一多組狀態(tài)轉移順序聚類模型(MSSC)。該模型采用了馬爾可夫過程的狀態(tài)轉移方式、描述漢語語音的特征矢量序列的時序過程，同時采用了動態(tài)時間匹配DTW的比對概念和直接特征狀態(tài)而不是HMM法的隱狀態(tài)。該模型具有多組子模型特點，在描述狀態(tài)轉移方面，增加了記錄各狀態(tài)的自轉移次數(shù)，用其作權重可更好地利用特征信息，提