【毕业学位论文】非特定人连续数字识别方法与汉语语音数据库的研究-计算机应用技术

分类号 密级: 硕 士 学 位 论 文 题题目目 非特定人连续数字识别方法与汉语语音数据库的研究并列英文 方 系别系别 计算机科学与技术系专业专 业 计算机应用导师姓名 吴文虎 职称职称 教 授论文答辩日期论文答辩 一九九二年六月清 华 大 学 学 位 论 文 用 纸 者在经过大量实验之后，确定了一种识别算法 ， 用 非 分 的分 ，在识别 ， 的分数 算用 进行 ( ) ， 用 ( ) 数，数了数字 (一 类“二 类 类) 连续语音音之 ，”用与音位 的 。 用的的系， 识别 大的 。本文了一 汉语 的汉语语音数据库， 的数据库，对语音识别“语音分 语 方 的研究 作 大 。 非特定人连续数字识别，非 分 ，分 ， ( ) 数，汉语语音数据库清 华 大 学 学 位 论 文 用 纸 a of a is it on to be is to of is by of it to in in of in it a on is in a be of a to in of 大 学 学 位 论 文 用 纸 .研究(76年 ).研究(77年82年).研究(83 89年).据库 量. .知识.据的” 及 . 数据” . 及 过 的计. 及音 分. . 语音的 及 . 及特 的 量. 的 本 . 分 本 及 量. 系数及 量.类技术研究. K- . . “K- .量量技术.音 的方法与研究. . 音 . . 的语音识别的应用.过 及 .音识别的 本 及 定. 题.应用”要意的题. 大 学 学 位 论 文 用 纸 的 数 . 输 的 题. 算的 . 数目 . 的算法. 的识别算法.续 数的 数的. 非 分 的分 .与 数的. 后 对识别 的.类的类 对识别 的. 用 的 . 连续非特定人汉语数字识别系的 .验及 论. 量的确定. 的确定. 数的确定. 验. 识别 对识别 的实验. 的实验. .别.语语音数据库的.语音数据库的意与 .音数据库.334汉语 音().740汉字(). 大 学 学 位 论 文 用 纸 人类 得 的 要 之一，人与 的最方“最 “最 的 。 计算机科学与应用的 ， 了计算机语音学(人们对计算机语音的研究 要 方 语音 (语音 (语音识别 ( 者识别 (者确认 (语音识别( 计算机 人 ， 人机 新一 计算机的 要组 分。 种分类方法 识别人的分非特定人(音识别 量的大 分量(大 量(音识别 方 分 (连续语音 连 (音识别。 们的难易 (E 易， D 难)。音识别难易 表适应对象 量 识别方 难易 明 易量连续语音 难 难特定人大 量连续语音 难 难量连续语音 难 难非特定人大 量连续语音 难6年以前)在60年 末期， 对语音识别的 困难，人们试对语音识别的任务作一 ，即 急 识别由任何人“ 任何方 的任何 容的连续语音， 决一子题 特定人“ 字表“ ，从 的技术条 得 开。在70年 期 得了 足的进 1在语音 号表示特 方 提两种表示法 器组输 特 作数。 ( 的特 数 “ 分系数“ 道 清 华 大 学 学 位 论 文 用 纸 及应的似 量。2 动 划(的 板匹 技术的 得在此后 十年 ，人们一直视动 弯折( 。3 人 (的 音 计划把高层知识用 在实 “实用 鲁棒 方 想。7年82年)七十年 后期，特定人“ “ 人满意的之后，人们开 沿 标 1特定人向非特定人拓”用算法对 人的 音 本进行类。2 向连 拓提了 1, P9, 法。两扩 本 量，尤 数字识别(03 量向大 量拓一扩遇了计算量存储量急剧增 的困难，应 了 方法 量量(术 好的数据压缩力及 想的类功，因此人们 ， 减少识别 算量。子 单元(音“音素等)的提应用 要用 减少 算量存储量。”用分级识别(粗分类)进行 389年)80 年 期 ，新技术的 断 语音识别 了实 的进，特别 (广泛研究应用， 语音识别大 表“非特定人“连续语音方 得 要 。1 用 期5, 6，但对究大 应用80年 后的事。 受广泛 视的 因 用 描蕴藏 观察数据的 变特 ， 得 语音 号常常 的非 稳特 (即 变特 )。用 描 种 语音单元， 描一 字 由 学特 定的任一种 学单元，并 由 单元 组 大清 华 大 学 学 位 论 文 用 纸 (音( 音素)单 句子)。由得与语音 列对应的最佳 列，从 得语音单元的最佳分割， 子 单元的 用非常方，大大避免了识别 的分割困难， 连续语音识别题得 决。对 深 研究在 的”要，许 新的算法产生，如 “ 插“ “ 者 适应等等， 得一技术在了更深 的应用。2神经网络(0年 期 新开 的片新的生机。由 织 动学 种 分类 的力， 及 的 分力， 特别适用 特 的分类题。人们 用，即由 的 分类题， 用 的 对 题从实验 看，种 想行 ，并 容易地用 连续语音识别题语音识别常用的神经网络神经网络 神经网络织神经网络 量量语音识别系3 知识的 计分 力的算法的研究 并行开的 授5“学的 授6法 4的 语音学知识的 知识的， 实 了非特定人“大 量连续语音的识别。据库和复杂性度量与识别方法的研究要的 标 的实验 数据库， 进行 种方法之 “ 的 较。目 的非特定人“大 量“连续 全 ”用997 的 数据库。 一非常 名的数据库 与 研 。一识别系的 定也一 要题。 论提的描任务 的一种好的 量0, 描 与识别之 的系。在实描一 表 ， 量更 要。清 华 大 学 学 位 论 文 用 纸 内 ，科 学 ，大 数单位70年 末及80年 开 。但在 的十年 ， 得 大进，在 ( 音)识别方，清华大学“科 学及 大 了较高 的识别系。 年 ， 一单位 力 研究 全音识别的大 识别系，科 动“达 “ 了识别系，并向实用了“的一 。清华大学的3400 语非特定人识别系， 用 本量量(术进行汉语全音识别，也 令人鼓的 与 作 ， 一 足之 认的标 语音数据库，也一”要 决的题。清 华 大 学 学 位 论 文 用 纸 知识据的采集及前端处理据” 把语音从 量( 号)字量( 号)并存储计算机 ， 语音” 的任务，任务由 A/D 语音” 。进行语音” 之 应确定” ，” 的确定 满足” 定 ” 语音 的带的两 。一 地，人类的语 号的 大 在50 5因此，” 应在10。确定了” ，那 语音 号 的1/2 的高 ” 分。 高 ” 的 器称 器( 字语音分 的 器。 号 板( 一 器，” 由 断存储提了精确的定 方的存 列 ( ) 大数据 语音开 语音开 后( 语音开 后 位)音列 音过音的 ， 及进行 语音的开 的定，们”用了列技术 语音开 的 列， 的 据”要定0 ， 语音开 后， 存在一 较大的 。 把列的 确地 大的 的 ，并数据的 地 。清 华 大 学 学 位 论 文 用 纸 及 过 的计语音一种 的 变 号，但们 认 ，语音 号 变系的输， 语音的 分 方法。即把语音 号在数的作用 ，一 一 地进行 。 进行 分 的语音 单位，一 ， 之 一 ，两 之 起 的 称。一 地， ， 10。在们的系， 在 语音分 ， 及 过 要的 标量， 们 进行计的 一 语音的 ，计算 =10)(1 一 语音的 过 数，计算 =10 = = 本的欧氏 项2 ， 定( “， 等)。类方法 ， K- 种 方法。- 一种 的类算法， 把量 骤 骤1 深 m=0。用一种适的方法一 本量 )1()( 。骤2 分类最 ( 把量 的量 ,)()( , 对 3 产生新 本令 1+计算=1),()1()(此作量，并计算 量的 失真 )(骤4 束断如)()1( 百分 达一 ，否 2。里 d 本之 的种 量。种方法 过修 本 失真 。但 敛一 全局最 差得 的局 最 。 大 决 本的位，因此 用类，并从得一 失真 最 的(最好的) 本。由算法因此人们泛称种 本生 算法种算法一 定 本大 固定， 本开 ，后 断扩大，直达要求。 常把一 存在的分类分裂 两 类，并类新的 字 骤清 华 大 学 学 位 论 文 用 纸 作 类。 本 一 字，即 的。(a)(b)(d)(e)(c)a) 的。(b)把唯一 字分裂 两 字 计。(c)把 两 字类 两更好的 字。(d)把两 字分裂 字 计。(e)把 字类 更好的 字。骤2 类分裂类， 本大 增大一，c。骤3 种 类分裂过 ，直 本大 达要求，e。们把一算法进一 ，得 更详 的 骤 骤1 迭 深 m=0。把 作作 本的唯一 字，1,)()(=骤2 分裂本字)(一 的扰动 i ( i 扰动量)，得一新的 本 1,)()()(+=骤3 类 )( 字 新类，并计算1),()()(=从 得新 本 )()( ，清 华 大 学 学 位 论 文 用 纸 真 断计算 的失真 ， 百分 达定的 5 否 3。骤5 束断令 1+ 骤2“3“4直 本大 达要求。种方法得较好的 本，但类 却 较 。“K- 识别与人 了一种新的类分 算法9，一算法 由本教研组李民“赵彤青及等研 的语音识别系”用， 得了好 ， 得类的 大大 在物 ，“技术 把固体 热 足够高， 固体 粒子 由液 ，后 温 慢 ， 要温 得足够高，冷却过 足够慢， 粒子最终会 最 。，若粒子开 C ，若 量逐渐减 ， 粒子最终达的A (局 最 ) B(全局最 ) ，们 希望的。 决的办法对系经常地摇动一 ， 把粒子从C 摇B ， 把 摇A 的 。若开 较大的 摇，再慢慢减，最终粒子会落在B， “(类似 过 子在 量极 系的 行在定温 T ， 热 衡 的物体 E 从 兹 ( )/()( =(T)因子。 了温 T 的热 衡 机地一 后 机地系一 扰动，若 增量 0 ( 本 数)， 。骤3 若 定 0, 2。的类算法，如K- 组 的 似算法，求得局 最 ， “ K- 高的 敛 全局最， 与 分类无。量量化技术量量(术语音 最 要“ 用最 的方法之一。定维向量， 维分量 实变量。在向量 一称作把X 量 Y，写作 )(Y 在一 一 本，们记作 ，1 ，大 。显，过 本 X = )(把X量们之 存在一量失真 称 量d(X,Y)。一量器)称 量器 量失真= /)(,(最 的， X 表示 X元素的数。们用 的量器() ，清 华 大 学 学 位 论 文 用 纸 = 对 ),(),( 本 X ，一(大 一定的) 本一量器一一对应的。本的由类算法实 ， 最 ( 容易实 。一，特定(如语音)的 本() 一真子 ，显 越 (对 )，对类越 。在实的实 ，一向量 本方，用 字在号i 表示量。 ，表示= 对 ),(),(音检测的方法与研究汉字的 对 音的汉语语音识别 起 要作用，汉语语音识别的一 要特 。 音期的变进行 的一 方法。音期的 方法 。的 里 分 音 的， 利用并 方法 数的本文 ”用用数进行 音期 的方法。从种意， 表示法的一 要 的语音 号的 ，由 道应的 振 数 许 ，如 得 音期， 共振 变，会 得 数 在 音期 得最大导 单地 数最大 的方法失 。一题， 要确定适的 。 人类语音 一 00音期的变 此 ( )56 () 在任何情 ，一 少 二 音期。”要对语音 号 。 期 变更 明显， 号 带 扰 的特 ，种 术的 要任务 道数的，从 。 较的 技术。一非 变+=,0,)(数的 及 作用 语音 号 的一 子 清 华 大 学 学 位 论 文 用 纸 x+音输 语音+数及 作用 %30 )作用第一100 最大 %68 )作的实验们 看，扰 起的 ， 期 越明显，在们的系们用一 的最大 音 经过 后的语音 号 计算 数。=+=)()(事实 1 20 (20 的 数 计算。计算后的 数 最大0(行一。从 非 的最大 )0(20%),! ， 们作期的 。如何确定 期 定 数x,y)的最 。如 1,10)=1 (21%10)8,10)=2 ( 8)定 数)/(),)(1+=最 音期。清 华 大 学 学 位 论 文 用 纸 音的音的 数a)80%(b)64%(c)48%0,2,5,9)=(2+5+1)/3 =8/3)=(3+7)/2 =5)=4/1 =4因此0。种方法 地 那 5的 之 。越