基于连续隐马尔科夫的语音识别模型

判 断 是 否 收 敛 ： ／ ￣ Ｐ （ ０ 并 计 算 ｛ ＿ ｏ 如 果 Ｉ Ｉ 小 于给 定
的闽值 则结束， 反之回到第二步继续进行循环。
． ３ ． ３语音识别模 型 Ｆ Ｉ Ｒ 滤波器 的基本结 构可以理解为一个分节 的延 时线， 把 １
对 待识 别语 音信号 映射为观 察序列 ， 然后对各 模 型求概
（ ） ＝ ∑ｈ （ ｉ ） ｘ （ ｎ － ｉ ） Ｈ （ ｚ ） ＝ ∑ｈ （ ｎ ） ｚ
１ ． ２特征提取模型
特征提取 就是从语音信号 中提取具有代表性 的、 合适的特
由于Ｐ 和Ｐｆ Ｄ ｊ 都 可以确定 ，因此 式 （ ５ ． ３ ． １ ９ ） 的大 小 由 征参数 。 尔频率倒谱系数 （ Ｍ Ｆ Ｃ Ｃ ） 能更 加充 分的利用人耳的听 Ｐ ｆ Ｄ ／ ） 决定。 若其对应的隐马尔科夫模型为Ａ ， 则： 觉特性 ， 因此本文中我们提取的特 征参数是Ｍ Ｆ Ｃ Ｃ 。 Ｐ （ Ｏ ／ ｗ ｉ ） － Ｐ ｆ Ｊ Ｐ 个Ｍ Ｆ ｃ Ｃ 系数公式为： 其 中， Ｐ Ｍ 可用前 向一 后 向概率算法 求出。 然后找 出最 大的Ｐ ｆ ０ ， 则其模型对应的词即为识别结果。
经过预 处理 、 特征 提取 、 训练 与识 别。
关键 词： 语 音 识别 ； 隐 马尔科 夫模 型 ； 预 处理特
１ 模 型的建 立与验 证
本文我们所建立 的语音识 别门模型包括 语音信号预 处理
１ ． ３ ． １模型建立
Ｈ Ｍ Ｍ 模型可以记为： Ａ ＝ｆ ７ ｒ ， Ａ ， Ｂ ） 。 为状态转移矩阵为： Ｂ 为
模块 、 特征提取模块及模式库训练 和待测语音识别模块 。
１ ． １预 处理
预处理主要包括 预加重 ， 加窗分帧处理 ， 端 点检测和 降噪
观 察值概率密度矩阵， 丌ｊ 为各状态其实概率分布。
１ ． ３ ． ２模 型求解 Ｈ Ｍ Ｍ 在语音识 别中需要解决 估值、 解码和训练 三个基本 问
基于连续 隐马尔科夫的语音识别模型
梁 浩 杨 光 宇 （ １ ． 武汉大学 工学 部电 子信 息学院， 湖 北 武汉 ４ ３ ０ ０ ７ ２ ： ２ ． 武汉大 学新闻与 传播学院， 湖北 武汉 ４ ３ ０ ０ ７ ２ ）
摘 要： 本文针对问题一建立了 基于连续隐马尔科夫模型的语音识别系统的模型。 该语音识别系统包括预处理， 特征提取以及声学模型三 个部分。 问题二要求以一个实际的例子则对问题一中建立的模型进行验证。 我们选择了“ 话费查询” 这个功能进行测试。 待测语音信号依次
１ ． １ ． ４ 降噪处理模 型 每 一节 的输 出加权累加， 可得到滤波器的输 出， Ｆ Ｉ Ｒ 滤波器的冲 激 响应ｈ ｆ ｎ ｊ 是有限长的， 数学上＾ ｆ 阶Ｆ Ｉ Ｒ 滤 波器可 以表示为：
Ⅳ 一ｌ ＿ ｖ一 １
后向算法求前 向 概 率和后向概率， 利用重估公式求ａ ， 和ｂ ｆ Ｊ Ｊ ，
ｃ “ ） ＝ √ 寺 ｇ ｃ 岍ｏ ｏ ｓ Ｉ 兹 一 ｏ 。 ５ － ５ ） ］ Ｉ ｌ ， ２ ， … ． ． ． ， ｐ
＝
１ ． ４模型的验证
问题二要求 以一个实际的例子验 证语音 识别模型。 我们选
１ ． ３训练与识别模型一一连续隐马尔科夫模型
模式 匹配是通 过计算待 识别语 音与已知语 音库中语音 的
题。
处理四个过程 。 Ｉ ． １ ． １预加 重模 型 预加 重 的中心思想是利用信 号特性 和噪声特性 的差别来
有效地对信号进行处理。即在噪声引入之前采用适当的网络，
（ １ ） 估值 问题
对于给定的观察序３ ￣ ｄ Ｏ ＝ ｆ ０ ， ０ ， ． ， Ｄ 和模型 ；ｆ 丌 ， Ａ ， ， 前 向概 率求解 。
ｗ ） １ ｆ ０ ． ５ ４ — ０ ． ４ ５ ｃ ｏ ｓ （ ２ ｎ ＇ ｎ ／ （ Ｌ 一 １ ） ） ０ Ｌ 一 １
， 、
Ｖ ｉ ｔ ｅ ｒ ｂ ｉ 算法求解。
（ ３ ） ￣ １ １ 练算法
０
其他
对于给 定的观测序３ ￣ ｄ Ｏ － － ｆ Ｄ ， ， ０ ， ， …， Ｄ ， 如 何修正模 型Ａ参
择了 “ 话费查询 功能” 进行验证 。 为了达到 这个 目 标， 由问 题 二
中的规则 可知 我们 需要 以比较连 贯 的语速 用标准 普通话 说 出
１ ． １ ． ３端点检测模 型
数， 使得 模 型产 生观 测序 ｙ Ｏ ｏ 的概 率Ｐ
最大， 一般 采 用
本文使用双门限端点检测对语音信号进行端点处理 。
Ｈ ＋Ｎ － １
Ｂ ａ ｕ ｍ －Ｗ ｅ ｌ ｃ ｈ 算法。 算法步骤为： 确定Ａ ， Ｂ 的初始 值， 利用前 向一
Ｚ ＝∑ ｌ ｓ ｇ ｎ ［ ｘ （ ｍ ） ］ － ｓ ｇ ｎ ［ ｘ （ ｍ 一 １ ） ］ １ ｗ （ 刀 一 ）
（ ２ ） 解码 问题
人为地加 重发射机输入调制信号的高频分量。 １ ． ｉ ． ２加窗分帧处理模型
对于给定的观察序列Ｄ ＝ ， ， ０
Hale Waihona Puke Baidu
Ｄ 和模型Ａ ＝ｒ 丌 ， Ａ ， Ｂ ） ，
本 文中选择 Ｈ ａ ｍ ｍ ｉ ｎ ｇ 窗进 行加窗分帧处理 ， Ｈ ａ ｍ ｍ ｉ ｎ ｇ 窗函 求 模 型Ａ对 应于观测 序列Ｏ 的最佳 状态 序列Ｑ ＝ ｑ ， … Ｔ ， 即 寻找使 Ｐ ｆ Ｄ Ｍ 达 到最 大 时， Ｄ 所 对应 的状 态序 列 ， 可 以采 用 数如下：
率， 其中概率最大 的模 型对应的词即为识别结果 。 假 设每个词Ｗ ， 都对应一个观察序Ｙ ｄ ｏ ＝ ［ ｏ ， ０ ． ． ， ０ ， 则 语音识别 的问 题 可以认为是在 已 知语音观察序列０ 的情况下， 寻 找与其最 匹配 的Ｗ ； ， 即计算ｈ ￣ ａ ｒ ｇ ； ｍ ａ ｘ ｛ Ｐ （ ｗ ； ／ Ｄ ｊ ） 。