语音识别技术概述

流量管理是在网络中用于控制流量的一系列规程和技术， 以获取较高的网络利用率、避免网络拥塞和提供可接受的服务 质量。在核心网络的数据业务流量急速增长的情况下， 所要面对 的问题是： 应用现有的 ＩＰ 技术中的路由算法是否能应对如此巨 大的增长。在未来网络中， 随着新的流量管理技术的出现（ 如排 队 管 理 、接 纳 控 制 、分 布 式 多 队 列 系 统 ） ， 及 其 在 ＩＰ 路 由 器 中 的 应用， 有可能加快路由器的数据包处理速度， 同时降低网络延 时。 ３．３．３ 服务质量管理（ ＱｏＳ）
语音识别系统可以根据对输入语音的限制加以分类。如果
从说话者与识别系统的相关性考虑， 可以将识别系统分为 ３ 类： （１）特 定 人 语 音 识 别 系 统 ； （２）非 特 定 人 语 音 系 统 ； （３）多 人 的 识 别 系统： 或者成为特定组语音识别系统。
３．１ 如果从说话的方式考虑， 也可以将识别系统分为 ３ 类： （１）孤立词语音识别系统； （２）连接词语音识别系统； （３）连续语音识 别系统。
移动性管理是成功实现无缝移动业务的关键， 其处理过程 大致可分为三个步骤， 即本地管理、路由管理和切换管理。从总 体来看， 需要关注的是查找移动节点位置信息， 经最佳路由将数 据包传送到目的地。
用户的无缝连接移动性已成为基本要求， 为确保各种不同 的无线技术平滑转换， 有必要考虑诸多因素， 最终建立移动性管 理机制， 调整移动用户在不同系统间漫游时所需的业务特性匹 配。 ３．３．２ 流量管理
（ ２） 模板匹配的方法。模板匹配的方法发展比较成熟， 目前 已达到了实用阶段。在模板匹配方法中， 要经过四个步骤： 特征 提取、模板训练、模板分类、判决。常用的技术有三种： 动态时间 规整（ＤＴＷ）、隐马尔可夫模型（ ＨＭＭ） 理论、矢量量化（ ＶＱ） 技术。
（ ３） 神经网络的方法。利用人工神经网络的方法是 ８０ 年代 末 期 提 出 的 一 种 新 的 语 音 识 别 方 法 。人 工 神 经 网 络 （ＡＮＮ）本 质 上 是一个自适应非线性动力学系统， 模拟了人类神经活动的原理， 具有自适应性、并行性、鲁棒性、容错性和学习特性， 其强的分类 能力和输入－ 输出映射能力在语音识别中都很有吸引力。但由于 存在训练、识别时间太长的缺点 ， 目前仍处于实验探索阶段。由 于 ＡＮＮ 不 能 很 好 的 描 述 语 音 信 号 的 时 间 动 态 特 性 ， 所 以 常 把 ＡＮＮ 与 传 统 识 别 方 法 结 合 ， 分 别 利 用 各 自 优 点 来 进 行 语 音 识 别。 ３．３ 语音识别系统的结构
５０
福建电脑
２００６ 年第 ８ 期
语音识别技术概述
杨尚国 １， 杨金龙２
（１． 曲阜师范大学物理工程学院 山东曲阜 ２７３１６５ ２． 青岛大学软件技术学院 山东青岛 ２６６０６１）
【摘 要】： 本文阐述语音识别的发展过程、基本方法以及语音识别系统的分类， 分析了语音识别所面临的问题。 【关键词】： 语音识别； 隐马尔可夫模型（ ＨＭＭ） ； 系统分类
我国对语音识别的研究开始于 ８０ 年代。近年来发展迅速， 并取得了一系列的成果。如清华大学计算机系研制的语音识别 系 统 以 １１８３ 个 单 音 节 作 为 识 别 基 元 ， 采 用 分 段 概 率 模 型 ， 对 词 的组成音节进行分解， 在字一级上先做分体识别， 再用搜索匹配 算法计算词一级的整体识别率， 使三字词和四字词的识别率达 ９８％。中 科 院 自 动 化 所 模 式 识 别 实 验 室 将 汉 语 音 节 切 分 成 声 母 、 韵母， 并辅之以四声， 然后加以识别， 其声、韵母识别采用连续密 度的 ＨＭＭ， 四声识别采用多层感知器的神经网络模型。整个系 统 识 别 率 为 ８９．５％， 声 调 识 别 率 为 ９９．５％， 词 的 识 别 率 为 ９５％。 另外， 中国科学院声学所、北方交通大学、北京大学、哈尔滨工业 大 学 、中 国 科 技 大 学 、北 京 邮 电 大 学 、国 防 科 技 大 学 等 单 位 结 合 汉语语音学和语言学的特点， 在汉语语音识别系统的基础理论、 数学模型和算法、实用系统开发等方面做了大量的工作 ， 并取得 了一系列的成果。目前， 国内在该领域的研究主要受到国家 ８６３ 资助， 所研究的系统大部分是大词汇量孤立词识别系统。最近一 两年才在中科院的自动化所、声学所 ， 及清华大学电子工程系等 机构才有连续语音识别系统的发展。台湾的一些学术机构在汉 语语音识别方面也做了大量的研究及实用化的工作。 ３． 语音识别技术基础 ３．１ 语音识别系统的分类
本文主要对移动因特网的需求进行分析， 并由此给出了未 来移动因特网的功能分层体系结构。分层体系结构是未来移动 网络中处理和增加业务流量以及调整新业务应用、简化研究的 唯一方法。ＩＰ 连接性需要在 移 动 性 管 理 、流 量 管 理 以 及 ＱｏＳ 管 理方面有增强性功能， 以实现对目前快速分组交换网络 （ 如 ＡＴＭ） 的完全覆盖。对于移动核心网络独立于底层接入技术的实 现 ， 分层体系结构 较 ３Ｇ 系 统 提 供 了 简 化 的 处 理 方 式 。 另 外 ， 它 对融合各种接入技术的研究提供了一个框架， 为未来因特网的 可扩展问题提供了相应的解决方案。
如果从识别系统的词汇量大小考虑， 也可以将识别系统分 为 ３ 类： （１）小词汇量语音识别系统。通常包括几十个词的语音识 别 系 统 。（２）中 等 词 汇 量 的 语 音 识 别 系 统 。通 常 包 括 几 百 个 词 到 上 千个词的识别系统。（３）大词汇量语音识别系统。 通常包括几千 到几万个词的语音识别系统。这些不同的限制也确定了语音识 别系统的困难度。 ３．２ 语音识别的几种基本方法
语音识别技术的研究是从 ５０ 年代开始的。１９５２ 年， 当时的 ＡＴ＆Ｔｂｅｌｌ 实验室的 Ｄａｖｉｓ 等人研制成功了世界上第一个能识 别 十个英文数字发音的实验系统：Ａｕｄｒｙ 系统。６０ 年代计算机的应 用推动了语音识别的发展。这时期的重要成果是提出了动态规 划（ＤＰ）和线性预测分析技术（ＬＰ）， 其中后者较好地解决了语音 信 号产生模型的问题， 对语音识别的发 展 产 生 了 深 远 影 响 。７０ 年 代， 语音识别领域取得了突破。在理论上， ＬＰ 技术得到了进一步 发展， 动 态 时 间 归 正 技 术（ＤＴＷ）基 本 成 熟 ， 特 别 是 提 出 了 矢 量 量 化（ｖＱ），隐马尔可夫模型（ＨＭＭ）理论。在实践上， 实现了基于线性 预测倒谱和 ＤＴＷ 技术的特定人孤立语音识别系统 。８０ 年 代 语 音识别研究进一步走向深入， 其 显 著 特 征 是 ＨＭＭ 模 型 和 人 工 神经元网络（ＡＮＮ）在语音识别中的成功应用。进入 ９０ 年代后， 随 着多媒体时代的来临， 迫切要求语音识别系统从实验室走向实 用 。 许 多 发 达 国 家 如 美 国 、日 本 、韩 国 以 及 ＩＢＭ， Ａｐｐｌｅ， ＡＴ＆Ｔ， ＮＴＴ 等 著 名 公 司 都 为 语 音 识 别 系 统 的 实 用 化 开 发 研 究 投 以 巨 资。当前， 美国在非特定人大词汇表连续语音隐马尔可夫模型识 别方面起主导作用， 而日本则在大词汇表的连续语音神经网络 识别， 模拟人工智能进行语音后处理方面处于主导地位。
一般来说，语音识别的方法有三种： 基于声道模型和语音知 识 的 方 法 、模 板 匹 配 的 方 法 以 及 利 用 人 工 神 经 网 络 的 方 法 。
（ １） 基于语音学和声学的方法。该方法起步较早， 在语音识 别技术提出的开始， 就有了这方面的研究， 但由于其模型及语音 知识过于复杂， 现阶ቤተ መጻሕፍቲ ባይዱ没有达到实用的阶段。
一个完整的基于统计的语音识别系统可大致分为三部分： （１）语音信号预处 理 与 特 征 提 取；（２）声 学 模 型 与 模 式 匹 配；（３）语 言 模型与语言处理．。 ４． 语音识别所面临的问题
（ １） 就算法模型方面而言， 需要有进一步的突破。尤其在中 文语音识别方面， 语言模型还有待完善， 因为语言模型和声学模 型正是听写识别的基础。目前使用的语言模型只是一种概率模 型， 还没有用到以语言学为基础的文法模型， 而要使计算机确实 理解人类的语言， 就必须在这一点上取得进展， 这是一个相当艰 苦的工作。此外， 随着硬件资源的不断发展， 一些核心算法如特 征 提 取 、搜 索 算 法 或 者 自 适 应 算 法 将 有 可 能 进 一 步 改 进 。
１． 引言 语音识别是一门交叉学科， 语音识别正逐步成为信息技术
中人机接口的关键技术， 语音识别技术与语音合成技术结合使 人们能够甩掉键盘， 通过语音命令进行操作。语音识别技术就是 让机器通过识别和理解过程把语音信号转变为相应的文本或命
令的高技术。语音识别还可以应用在工业控制方面 ， 在一些工作 环 境 恶 劣 、对 人 身 有 伤 害 的 地 方 （如 地 下 、深 水 及 辐 射 、高 温 等 ）或 手工难以操作的地方， 均可通过语音发出相应的控制命令， 让设 备完成各种工作。 ２． 语音识别的发展历史
现有的接入技术， 如无线蜂窝和无线局域网必须为离散数 据业务进行优化而不是只面向传统的语音业务。先进的智能天 线 技 术 、信 源 编 码 、信 道 编 码 在 提 高 数 据 传 输 速 率 、带 宽 利 用 率 和信道容量方面都是必要的技术。
现有的有线或无线网络接入技术的充分结合， 对于在未来 网络实现端到端的可靠数据传输非常重要， 处于同代和不同代 的无线网络在横向和纵向上将协同工作， 以实现各自服务功能 的相互补充。在热点地区业务处理和室内宽带业务方面， 无线局 域网（ 如 ＬＡＮ） 和固定网 络 （ 如 ＡＤＳＬ） 将 协 助 无 线 蜂 窝 系 统 在 提 供完备服务方面达到相应的目标。同时， 在地面网络无法覆盖的 情况下， 卫星网络能够利用直接广播或用户至卫星的直接通信 提供各种异种网络与个人移动用户之间的互联。 ３．３ 网络管理层
参考文献： １． Ａｂｂａｓ Ｊａｍａｌｉｐｏｕｒ 著《． 无线移动因特网： 体 系 结 构 、协 议 及 业 务 》． 北 京： 机械工业出版社， ２００５ ２． Ｓ．Ａ．Ｍ． Ｍａｋｋｉ， Ｎｉｋｉ Ｐｉｓｓｉｎｏｕ 等 ． Ｍｏｂｉｌｅ ａｎｄ ｗｉｒｅｌｅｓｓ Ｉｎｔｅｒｎｅｔ ａｃｃｅｓｓ． Ｃｏｍｐｕｔｅｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ， ２００３ ３． 李谦． 话说移动因特网． 中国计算机用户， ２０００
（ ２） 就自适应方面而言， 语音识别技术也有待进一步改进。 做 到 不 受 特 定 人 、口 音 或 者 方 言 的 影 响 ， 这 实 际 （下 转 第 ３４ 页）
３４
福建电脑
２００６ 年第 ８ 期
快会成为一种可供选择的业务， 而以传输数据业务为主的通信 业务会逐渐占据主导地位， 必须精心设计所有系统的参数以实 现有效的传输离散数据， 同时为各类数据业务提供 ＱｏＳ 保证。 ３．２ 物理层
不同接入技术的互联， 由一些核心网络元素提供， 如互联功 能服务器。这样的互联需要在网络层次上处理， 因此在应用层和 接入层之间需要设置一个提供应用服务的网络管理层， 该层次 在未来移动因特网实现中占有重要地位。
网络管理所承担的任务功能很多， 主要负责管理任务以及 应用层和物理层的协调功能。网络管理最重要的功能是流量管 理、移动性管理、安全管理以及 ＱｏＳ 管理。 ３．３．１ 移动性管理
ＱｏＳ 是各层向高一层提供的适合的服务的性能水平。性能 是 指 诸 如 带 宽 、时 延 、时 延 变 化 和 错 误 率 等 网 络 参 数 。 在 每 个 环 境中， ＱｏＳ 可以通过环境所支持的应用来规定。在主要提供实时 语音通信的无线蜂窝网络中， 时延和时延变化就成为 ＱｏＳ 的主 要考虑的特性， 但对于无严格实时要求的数据文件传送业务占 主导情况下的移动环境而言， 无差错传送数据包就成为 ＱｏＳ 主 要考虑的特性。对于新的应用来说， 往往要规定相应的 ＱｏＳ 主要 参数。 ４． 结束语