利用韵律信息的chmm连续数字语音识别 a study of connected digit speech recognition based chmm with prosodic information.pdfVIP

第32卷第12期 电子工量师 V01．32No．12 2006年12月 ELEC7IRONICENGINEER Dec．20D6 利用韵律信息的CHMM连续数字语音识别 张静亚1，俞一彪2 (1．常熟理工学院物理与电子科学系，江苏省常熟市215500； 2．苏州大学电子信息学院，江苏省苏州市215021) 摘要：提出了一种结合韵律信息的高性能汉语连续数字语音识别算法，该识别算法基于cHMM 续数字精确分割，能够有效区分易混数字。算法采用两级识别框架来提高语音识别率，其中，第1级 对连续数字分割，在此基础上进行数字语音识别，输出各候选结果，第2级在候选结果中确定易混数 字对，并运用韵律信息进一步选择正确结果。实验表明，最终汉语连续数字语音识别率有很大提高。 关键词：语音识别；连续隐马尔可夫模型(CHMM)；韵律信息 中图分类号：TN912．34 O引言 连续数字语音识别应用于电话语音拨号、声控留 言、电话卡业务、数据库信息查询等领域。但相对于英 口13 啦4 口35 6l(x) 62(X) 63(x) 64(X) 65(X) 语连续数字语音识别来说，汉语连续数字语音识别的 图1 5状态的len-to·r噎曲tCIIMM模型 误识率还不高，主要困难是：汉语是单音节字，而英语 则是多音节的，实验表明，音节越少，语音间混淆程度 模型的具体参数为： 就越大…；汉语连续数字的发音连续程度高于英语； 汉语连续数字中数字间协同发音现象较多。 Is2，s，，|s。，S5}，t时刻的状态表示为g。。 目前，国内外实现语音识别主要采用两种技术：一 种是在识别阶段进行动态分割，直到动态路径有哪些信誉好的足球投注网站完 毕后，再进行路径回溯才能确定切分点并得到识别结 _，i+2。 果，如Level-building算法心】，但是这种算法不能解决 _】|f 解码时状态序列的错位问题以及由语速差异等造成的 模型不匹配问题，并且算法运算量大；另一种是采用预 切割，即预先将识别单元一个个分割，再进行识别，这 方差为U的多维高斯概率密度函数，M表示混合数， 种技术的关键是进行切割的准则。我们采用第2种识 c璃是状态_『第．j}个混合元的混合系数。 别技术，因为我们的识别目标是具有小词汇识别任务 1．2 CI删训练 的连续数字语音，因此切割准则的确立具有可实现性； 另外，第2种识别技术比第1种识别技术具有明显的 低运算量，对于语音识别的实时性有很大帮助。 l CIIMM训练及基于CHMM的连续数字语 A={A，C，肛，U}。 音识别基本算法 1．3 基于cI蹦M的连续数字语音识别基本算法 1．1 CHA曰讧 基于切割一识别方案的连续数字语音识别主要包 系统cHMM(连续隐马尔可夫模型)采用有跨越 括连续数字预切割、特征提取、模式匹配以及判决输 由左向右混合高斯型概率密度模型∞J，如图l所示。 出。各部分具体如下： a)连续数字预切割：利用语音信号的能量、过零 收稿日期：2006旬3．14 率等时域参