語yu音yin識shi別bie是shi以yi語yu音yin為wei研yan究jiu對dui象xiang
，通tong過guo語yu音yin信xin號hao處chu理li和he模mo式shi識shi別bie讓rang機ji器qi自zi動dong識shi別bie和he理li解jie人ren類lei口kou述shu的de語yu言yan。語yu音yin識shi別bie技ji術shu就jiu是shi讓rang機ji器qi通tong過guo識shi別bie和he理li解jie過guo程cheng把ba語yu 音信號轉變為相應的文本或命令的高技術。語音識別是一門涉及麵很廣的交叉學科
，它與聲學、語音學
、語言學、信息理論

、模式識別理論以及神經生物學等學科都 有you非fei常chang密mi切qie的de關guan係xi。語yu音yin識shi別bie技ji術shu正zheng逐zhu步bu成cheng為wei計ji算suan機ji信xin息xi處chu理li技ji術shu中zhong的de關guan鍵jian技ji術shu，語yu音yin技ji術shu的de應ying用yong已yi經jing成cheng為wei一yi個ge具ju有you競jing爭zheng性xing的de新xin興xing高gao技ji術shu產chan業ye。

1
、語音識別的基本原理

語音識別係統本質上是一種模式識別係統，包括特征提取、模式匹配、參考模式庫等三個基本單元，它的基本結構如下圖所示：

weizhiyuyinjingguohuatongbianhuanchengdianxinhaohoujiazaishibiexitongdeshuruduan，shouxianjingguoyuchuli，zaigenjurendeyuyintedianjianliyuyinmoxing，duishurudeyuyinxinhaojinxingfenxi，bingchouqusuoxudete 征(zheng)，在(zai)此(ci)基(ji)礎(chu)上(shang)建(jian)立(li)語(yu)音(yin)識(shi)別(bie)所(suo)需(xu)的(de)模(mo)板(ban)。而(er)計(ji)算(suan)機(ji)在(zai)識(shi)別(bie)過(guo)程(cheng)中(zhong)要(yao)根(gen)據(ju)語(yu)音(yin)識(shi)別(bie)的(de)模(mo)型(xing)
，將(jiang)計(ji)算(suan)機(ji)中(zhong)存(cun)放(fang)的(de)語(yu)音(yin)模(mo)板(ban)與(yu)輸(shu)入(ru)的(de)語(yu)音(yin)信(xin)號(hao)的(de)特(te)征(zheng)進(jin)行(xing)比(bi)較(jiao)，根(gen)據(ju)一(yi)定(ding) desousuohepipeicelve，zhaochuyixiliezuiyoudeyushuruyuyinpipeidemoban。ranhougenjucimobandedingyi，tongguozhabiaojiukeyigeichujisuanjideshibiejieguo。xianran

，zhezhongzuiyoudejieguoyutezhengdexuan 擇

、語音模型的好壞、模板是否準確都有直接的關係。

2
、語音識別技術的發展曆史及現狀

十個英文數字的特定人語音增強係統一Audry係統1956年，美國普林斯 頓大學RCA實驗室的Olson和Belar等人研製出能10個單音節詞的係統

，該係統采用帶通濾波器組獲得的頻譜參數作為語音增強特征。1959 年，Fry和Denes等人嚐試構建音素器來4個元音和9個輔音
，並采用頻譜分析和模式匹配進行決策。這就大大提高了語音識別的效率和準確度。
從此計算機 語音識別的受到了各國科研人員的重視並開始進入語音識別的研究。60年代
，蘇聯的Matin等提出了語音結束點的端點檢測，使語音識別水平明顯上 升
；Vintsyuk提出了動態編程
，這一提法在以後的識別中不可或缺。

60年代末、70年代初的重要成果是提出了信號線性預測編碼（LPC）技術和動態 時間規整（DTW）技術，有效地解決了語音信號的特征提取和不等長語音匹配問題

；同時提出了矢量量化（VQ）和隱馬爾可夫模型（HMM）理論。語音識別技 術與語音合成技術結合使人們能夠擺脫鍵盤的束縛，取而代之的是以語音輸入這樣便於使用的、自然的、人性化的輸入方式，它正逐步成為信息技術中人機接口的關 鍵技術。

3、語音識別的方法

目前具有代表性的語音識別方法主要有動態時間規整技術（DTW）、隱馬爾可夫模型（HMM）、矢量量化（VQ）、人工神經網絡（ANN）
、支持向量機（SVM）等方法。

動態時間規整算法（Dynamic Time Warping，DTW）shizaifeitedingrenyuyinshibiezhongyizhongjiandanyouxiaodefangfa
，gaisuanfajiyudongtaiguihuadesixiang
，jiejuelefayinchangduanbuyidemobanpipeiwenti，shiyuyinshibiejishuzhongchu 現較早、較常用的一種算法。在應用DTW算法進行語音識別時，就是將已經預處理和分幀過的語音測試信號和參考語音模板進行比較以獲取他們之間的相似度
，按 照某種距離測度得出兩模板間的相似程度並選擇最佳路徑。

隱馬爾可夫模型（HMM）是語音信號處理中的一種統計模型，是由Markov鏈 演(yan)變(bian)來(lai)的(de)，所(suo)以(yi)它(ta)是(shi)基(ji)於(yu)參(can)數(shu)模(mo)型(xing)的(de)統(tong)計(ji)識(shi)別(bie)方(fang)法(fa)。由(you)於(yu)其(qi)模(mo)式(shi)庫(ku)是(shi)通(tong)過(guo)反(fan)複(fu)訓(xun)練(lian)形(xing)成(cheng)的(de)與(yu)訓(xun)練(lian)輸(shu)出(chu)信(xin)號(hao)吻(wen)合(he)概(gai)率(lv)最(zui)大(da)的(de)最(zui)佳(jia)模(mo)型(xing)參(can)數(shu)而(er)不(bu)是(shi)預(yu)先(xian)儲(chu)存(cun)好(hao)的(de)模(mo)式(shi)樣(yang) 本，且其識別過程中運用待識別語音序列與HMM參數之間的似然概率達到最大值所對應的最佳狀態序列作為識別輸出，因此是較理想的語音識別模型。

矢量量化（Vector Quantization）是一種重要的信號壓縮方法。與HMM相比

，矢量量化主要適用於小詞彙量
、孤立詞的語音識別中。其過程是將若幹個語音信號波形或 特(te)征(zheng)參(can)數(shu)的(de)標(biao)量(liang)數(shu)據(ju)組(zu)成(cheng)一(yi)個(ge)矢(shi)量(liang)在(zai)多(duo)維(wei)空(kong)間(jian)進(jin)行(xing)整(zheng)體(ti)量(liang)化(hua)。把(ba)矢(shi)量(liang)空(kong)間(jian)分(fen)成(cheng)若(ruo)幹(gan)個(ge)小(xiao)區(qu)域(yu)，每(mei)個(ge)小(xiao)區(qu)域(yu)尋(xun)找(zhao)一(yi)個(ge)代(dai)表(biao)矢(shi)量(liang)，量(liang)化(hua)時(shi)落(luo)入(ru)小(xiao)區(qu)域(yu)的(de)矢(shi)量(liang)就(jiu)用(yong)這(zhe)個(ge)代(dai)表(biao) 矢shi量liang代dai替ti。矢shi量liang量liang化hua器qi的de設she計ji就jiu是shi從cong大da量liang信xin號hao樣yang本ben中zhong訓xun練lian出chu好hao的de碼ma書shu，從cong實shi際ji效xiao果guo出chu發fa尋xun找zhao到dao好hao的de失shi真zhen測ce度du定ding義yi公gong式shi
，設she計ji出chu最zui佳jia的de矢shi量liang量liang化hua係xi統tong，用yong最zui少shao的de搜sou索suo和he 計算失真的運算量實現最大可能的平均信噪比。

在實際的應用過程中，人們還研究了多種降低複雜度的方法，包括無記憶的矢量量化、有記憶的矢量量化和模糊矢量量化方法。

人工神經網絡（ANN）是20世紀80年代末期提出的一種新的語音識別方法。其本質上是一個自適應非線性動力學係統，模擬了人類神經活動的原理，具有自 適應性、並行性
、魯棒性、容錯性和學習特性，其強大的分類能力和輸入—輸出映射能力在語音識別中都很有吸引力。其方法是模擬人腦思維機製的工程模型
，它與 HMM正好相反，其分類決策能力和對不確定信息的描述能力得到舉世公認，但它對動態時間信號的描述能力尚不盡如人意，通常MLP分類器隻能解決靜態模式分 類問題，並不涉及時間序列的處理。

盡管學者們提出了許多含反饋的結構，但它們仍不足以刻畫諸如語音信號這種時間序列的動態特性。由於ANN不能很好地描述 語音信號的時間動態特性，所以常把ANN與傳統識別方法結合
，分別利用各自優點來進行語音識別而克服HMM和ANN各自的缺點。近年來結合神經網絡和隱含 馬ma爾er可ke夫fu模mo型xing的de識shi別bie算suan法fa研yan究jiu取qu得de了le顯xian著zhe進jin展zhan，其qi識shi別bie率lv已yi經jing接jie近jin隱yin含han馬ma爾er可ke夫fu模mo型xing的de識shi別bie係xi統tong

，進jin一yi步bu提ti高gao了le語yu音yin識shi別bie的de魯lu棒bang性xing和he準zhun確que率lv。

支持向量機（Support vector machine）是應用統計學理論的一種新的學習機模型，采用結構風險最小化原理（Structural Risk Minimization，SRM），有效克服了傳統經驗風險最小化方法的缺點。兼顧訓練誤差和泛化能力，在解決小樣本、非線性及高維模式識別方麵有許多 優越的性能，已經被廣泛地應用到模式識別領域。

4、語音識別係統的分類

語音識別係統可以根據對輸入語音的限製加以分類。如果從說話者與識別係統的相關性考慮，可以將識別係統分為三類：（1）特定人語音識別係統。僅考慮對於專人的話音 進行識別。（2）非特定人語音係統。識別的語音與人無關，通常要用大量不同人的語音數據庫對識別係統進行學習。（3）多人的識別係統。通常能識別一組人的 語音


，或者成為特定組語音識別係統，該係統僅要求對要識別的那組人的語音進行訓練。

如果從說話的方式考慮，也可以將識別係統分為三類：（1）孤立詞語音識別係統。孤立詞識別係統要求輸入每個詞後要停頓。（2）連接詞語音識別係統。連接詞輸入係統要求對每個詞都清楚發音


，一些連音現象開始 出現。（3）連續語音識別係統。連續語音輸入是自然流利的連續語音輸入，大量連音和變音會出現。

如果從識別係統的詞彙量大小考慮，也可 以將識別係統分為三類：（1）小詞彙量語音識別係統。通常包括幾十個詞的語音識別係統。（2）中等詞彙量的語音識別係統。通常包括幾百個詞到上千個詞的識 別係統。（3）大(da)詞(ci)彙(hui)量(liang)語(yu)音(yin)識(shi)別(bie)係(xi)統(tong)。通(tong)常(chang)包(bao)括(kuo)幾(ji)千(qian)到(dao)幾(ji)萬(wan)個(ge)詞(ci)的(de)語(yu)音(yin)識(shi)別(bie)係(xi)統(tong)。隨(sui)著(zhe)計(ji)算(suan)機(ji)與(yu)數(shu)字(zi)信(xin)號(hao)處(chu)理(li)器(qi)運(yun)算(suan)能(neng)力(li)以(yi)及(ji)識(shi)別(bie)係(xi)統(tong)精(jing)度(du)的(de)提(ti)高(gao)，識(shi)別(bie)係(xi)統(tong)根(gen)據(ju) 詞(ci)彙(hui)量(liang)大(da)小(xiao)進(jin)行(xing)分(fen)類(lei)也(ye)不(bu)斷(duan)進(jin)行(xing)變(bian)化(hua)。目(mu)前(qian)是(shi)中(zhong)等(deng)詞(ci)彙(hui)量(liang)的(de)識(shi)別(bie)係(xi)統(tong)
，將(jiang)來(lai)可(ke)能(neng)就(jiu)是(shi)小(xiao)詞(ci)彙(hui)量(liang)的(de)語(yu)音(yin)識(shi)別(bie)係(xi)統(tong)。這(zhe)些(xie)不(bu)同(tong)的(de)限(xian)製(zhi)也(ye)確(que)定(ding)了(le)語(yu)音(yin)識(shi)別(bie)係(xi)統(tong)的(de)困(kun)難(nan)度(du)。

5
、語音識別的應用

語音識別可以應用的領域大致分為大五類：

辦公室或商務係統。典型的應用包括：填寫數據表格、數據庫管理和控製、鍵盤功能增強等等。

製造業：在質量控製中，語音識別係統可以為製造過程提供一種“不用手”、“不用眼”的檢控（部件檢查）。

電信：相當廣泛的一類應用在撥號電話係統上都是可行的
，包括話務員協助服務的自動化
、國際國內遠程電子商務、語音呼叫分配、語音撥號、分類訂貨。

醫療：這方麵的主要應用是由聲音來生成和編輯專業的醫療報告。

其他：包括由語音控製和操作的遊戲和玩具、幫助殘疾人的語音識別係統、車輛行駛中一些非關鍵功能的語音控製，如車載交通路況控製係統、音響係統。

未(wei)來(lai)隨(sui)著(zhe)手(shou)持(chi)設(she)備(bei)的(de)小(xiao)型(xing)化(hua)
，甚(shen)至(zhi)穿(chuan)戴(dai)化(hua)，各(ge)種(zhong)智(zhi)能(neng)眼(yan)鏡(jing)，手(shou)表(biao)等(deng)層(ceng)出(chu)不(bu)窮(qiong)
，當(dang)然(ran)找(zhao)準(zhun)市(shi)場(chang)突(tu)破(po)口(kou)很(hen)重(zhong)要(yao)，好(hao)的(de)解(jie)決(jue)方(fang)案(an)和(he)係(xi)統(tong)設(she)計(ji)參(can)考(kao)也(ye)是(shi)必(bi)不(bu)可(ke)少(shao)的(de)。

相關閱讀：

科技圈熱點之語音識別原理及係統分類
熟透語音識別技術，軍事鬥爭領域你就是"王"
家庭監護機器人有突破！語音識別係統“箭在弦上”