汉语语音听写机技术的研究与实现

文章从声学基元和词法树两个方面对连续语音识别和汉语语音听写机中声学层面的搜索策略进行了分析，提出了基于统计知识的帧同步搜索算法和基于词法约束的词搜索树结构，构成了声学层面的双层搜索网络．算法中利用了统计知识，包括声学层面的差分状态驻留信息和特征变化量信息等．实验结果表明，基于知识的搜索策略使连续语音识别的性能提高了３６．６％．文章还介绍了Ｎ－Ｇｒａｍ统计语言模型的修正退化频度估计算法和搜索算法原理．通过对多年研究成果的分析，实现了一个汉语语音听写机的引擎。

基于汉语语音特点的大词表语音识别系统的研究

本文探讨了汉语语音识别的若干问题,并简单介绍了一个大词表汉语语音识别系统,该系统充分考虑了汉语语音的特点,其中主要是汉语语音具有音节性比较强的特点、音节的简单声韵母结构以及汉语以词/词组为语音交流基础的特点.该系统一个显著的特点是系统可以不进行任何训练地添加新词汇,从而使得系统具有比较好的用户接口. 现在系统具有10,000多个词汇,实时测试的平均识别结果是93.1％.

汉语连续语音识别系统与知识导引的搜索策略研究

从整体上介绍了汉语连续语音识别系统的基本原理 ,并重点对声学和语言两个层面的建模与搜索策略进行了分析 .在对传统帧同步搜索算法进行研究的基础上 ,提出了基于统计知识的帧同步搜索算法 SKB- FSS.它包含了三个主要的功能层次 :基于归并的音节切分自动机产生确定的搜索边界点 ,由统计得到的差分状态驻留信息控制搜索过程中的状态转移 ,利用词搜索树控制音节候选的扩展规模并根据动态前向预测的方法进行合理而及时的路径剪枝 .实验结果验证了该搜索策略的有效性 .

连续汉语语音识别中基于归并的音节切分自动机

文章研究并实现了汉语连续语音中的音节自动切分算法─—基于归并的音节切分自动机（merging－basedSyllabledeteCtionautomaton,简称MBSDA）算法．MBSDA算法利用了包括语音的短时能量、过零率和基音周期在内的多种特征参数，把特征参数高度相似的相邻帧（1帧或若干帧）的语音信号进行“归并（merging）”，形成“归并类似段（mergedsimilarsegment，简称MSS）”，它们被认定属于同一音节的相同状态．这些MSS经过一个包含若干状态的“音节切分自动机（syllabledetectionautomaton，简称SDA）”后，输出音节的切分点．每个确定的切分段中所包合音节个数的范围（rangeofsyllablenumber，简称RSN）也由MBSDA算法给出．

隐马尔可夫模型中一种新的帧相关建模方法

在使用传统的隐马尔可夫模型（ｔｒａｄｉｔｉｏｎａｌｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ，简称ＴＨＭＭ）刻画现实中的语音时有一个明显的缺点，即ＴＨＭＭ不能合适地表征语音信号的时域结构．时域上的相关性被认为对识别非常有用，因为相邻帧间的特征矢量具有很强的相关性．文章提出了一种新的方法，用以把时域的相关性糅合到一个基于传统的隐马尔可夫模型的语音识别系统中．首先，用条件概率的形式处理帧间相关性；然后，用一种非线性的概率近似公式来表征相邻帧之间的相关性．此方法丝毫不增加原来的ＴＨＭＭ的空间复杂度，而且也几乎不增加训练和识别阶段的时间复杂度．最后。

Karhunen-Loeve变换在语音识别中的应用

本文提出了在特征提取阶段利用帧间相关性的一种方法。对每一帧考虑其前后各n帧,加上自身帧共2n+1帧的特征矢量串起来组合成一个大的特征矢量串。对这个大的特征矢量串用Karhunen-Loeve变换进行降维处理,将变换后的数据作为本帧的特征矢量用于后续的训练和识别。在基于CDCPM的语音识别系统中采用这种方法进行了音节的训练和识别,实验结果表明Karhunen-Loeve变换在考虑帧间相关性的特征提取阶段上表现了良好的效果,有着很广阔的应用前景。