一个典型的语音识别系统

一、语音识别技术

转载请表明出处：http://blog.youkuaiyun.com/u012637501(嵌入式_小J的天空)

    语音识别技术，广泛来说是指语意识别和声纹识别；从狭义上来说指语音语义的理解识别，也称为自动语音识别(ASR)。其关键技术包括选择识别单元、语音端点检测、特征参数提取、声学模型及语音模型的建立。语音识别技术目前在桌面系统、智能手机、导航设备等嵌入式领域均有一定程度的应用。其主要技术难题是识别系统的适应性较差、受背景噪声影响较大，未来的发展方向应是无限词汇量连续语音非特定人语音识别系统。

(1)信号处理及特征提取模块

    该模块的主要任务是从输入信号中提取特征，供声学模型处理。同时，它一般也包括了一些信号处理技术，以尽可能降低环境噪声、信道、说话人等因素对特征造成的影响。

(2)统计声学模型

    典型系统多采用基于一阶隐马尔科夫模型进行建模。

(3)发音词典

    发音词典包含系统所能处理的词汇集及其发音。发音词典实际提供了声学模型建模单元与语言模型建模单元间的映射。

(4)语言模型

    语言模型对系统所针对的语言进行建模。理论上，包括正则语言，上下文无关文法在内的各种语言模型都可以作为语言模型，但目前各种系统普遍采用的还是基于统计的N元文法及其变体。

(5)解码器

    解码器是语音识别系统的核心之一，其任务是对输入的信号，根据声学、语言模型及词典，寻找能够以最大概率输出该信号的词串，从数学角度可以更加清楚的了解上述模块之间的关系。

    当今语音识别技术的主流算法，主要有基于动态时间规整(DTW)算法、基于非参数模型的矢量量化(VQ)方法、基于参数模型的隐马尔可夫模型(HMM)的方法、基于人工神经网络(ANN)和支持向量机等语音识别方法.

二、非特定人、大词汇量、连续语音识别系统

       连续数字语音识别系统经过训练和识别两个部分。此训练可以看作是对 HMM 建立模型的过程。通过对参数重新评估，调整模型的各种参数，得到具有较好鲁棒性的模型。对基本模型进行改进和优化，可以有效提高精确度，获得更好的识别率。识别过程则可以认为是使用现有的 HMM 模型库、数据字典和语法控制组成识别网络，运用搜索算法寻找最佳匹配过程。 首先对等待识别的语音信号进行采样，然后通过转换变成电信号。预处理这 些电信号，也就是对信号进行增加预重、帧数分离、检测端点等操作。处理过后，对语音信号提炼生成特征的矢量数据。按识别模块中的 HMM 模型和词典要求组合，形成合词模型后完成识别，将结果和语言模型进行匹配，淘汰那些不符合语法限制的句子和词组，最后输出符合规范的识别的过程，就是语音识别的全过程。特征值、HMM 模 型、语法和数据字典都是影响识别率高低的重要因素。