基于HMM的连续语音中的关键词检测

关键词检测是语音识别中一个重要的研究方向。本文针对说话人的连续语音提出了一种基于HMM模型的关键词检测方法,并针对关键词模型、垃圾模型及关键词的检测策略进行了研究。实验表明,该方法具有一定的可行性,大大提高了系统的实用性。

基于词表树结构填料模型的关键词检测技术

关键词检测技术是语音识别领域中一个重要的研究方向。对于关键词检测系统来讲,若要求达到高检测率的同时希望虚报率较低,仅仅建立关键词模型是不够的。填料模型的结构和类型对整个系统的性能相对会有更大的影响。对于非特定说话人的连续语音中出现的非关键词语音提出建立一种新的有效的基于词表树结构的填料模型。实验结果表明,与传统的基于音节格和音节聚类的填料模型相比,关键词的检测率有了很大的提高,系统的综合性能较好,具有一定的可行性和实用性。

一种基于废料模型的关键词确认方法

关键词确认是语音识别中一个重要的研究方向。对于关键词确认系统来讲,废料模型的结构和类型对整个系统的性能有很大的影响。文中提出了一种基于音节格的废料模型。实验表明,与传统的基于音素类的废料模型相比,关键词确认率有了很大的提高。

关键词检测系统中废料模型技术的研究

关键词检测是语音识别中一个重要的研究方向.关键词检测技术的重点之一就是代表非关键词语音的模型,不论识别系统的方法怎样,大部分是采用废料模型的,而废料模型的结构和类型对整个系统的性能有很大的影响.提出了一种基于音节格的废料模型.实验表明,与传统的基于音素类的废料模型相比,关键词的检测率有了很大的提高.

基于音节间相关识别单元的汉语连续语音识别算法

为提高汉语连续语音识别系统的性能，建立了音节间相关的半音节识别单元，并研究了基于这种单元的连续语音识别算法。讨论了基于 Ｄ Ｄ Ｂ Ｈ Ｍ Ｍ 模型和最大后验概率估计准则的连续语音识别的理论基础，依据动态规划的基本原理，提出了一种基于音节间相关的识别单元的汉语连续语音识别算法。依照这种算法，不但能得到最优句子侯选，而且能够在识别过程中得到音节格（即 Ｎｂｅｓｔ句子侯选）的数据结构。最后通过大词汇量非特定人连续语音识别的实验。