HMM在汉语数字语音识别系统中的研究与应用

"这篇硕士学位论文主要探讨了基于HMM（隐马尔可夫模型）的汉语数字语音识别系统的研究，作者侯周国在电路与系统专业指导下，于2006年完成。论文深入研究了语音识别技术，尤其是在汉语数字这一特定领域的应用，通过改进的谱熵算法提升了语音端点检测的准确性，进而提高了识别系统的鲁棒性。同时，论文详细讨论了线性预测分析系数（LPC）、线性预测倒谱系数（LPCC）以及Mel频率倒谱系数（MFCC）等特征参数的提取方法，并分析了它们在识别率和实时性上的影响。此外，论文还应用动态时间归整（DTW）理论和HMM构建了一个非特定人的孤立词语音识别系统，该系统能适应不同特征参数，具有良好的适应性和识别性能。实验证明，对于0到9的数字识别，26维的MFCC参数的识别率较12维的LPCC参数高出约10%。" 这篇论文详细研究了语音识别技术的核心组成部分，包括语音的声学模型和识别理论。首先，它介绍了声学模型的结构，这是建立语音识别系统的基础。在处理语音信号的过程中，端点检测是一个关键环节，论文提出了一种改进的谱熵算法，以更准确地确定语音的开始和结束，从而优化特征参数的提取，增强了系统对环境变化的适应能力。 特征参数的选择对识别效率和实时性有显著影响。作者对短时时域特征和语谱图进行了分析，重点讨论了LPC、LPCC和MFCC等常用特征参数的提取方法，并对其失真度进行了评估。这些参数在语音信号的表征和识别中起着核心作用。 论文进一步阐述了动态时间归整(DTW)理论，这是一种处理时序不匹配问题的技术，适用于孤立词的语音识别。DTW允许不同速度的语音信号进行比较，这对于特定人和非特定人的识别至关重要。同时，论文深入探讨了HMM在语音识别中的应用，HMM模型能够捕捉语音序列的统计特性，适合处理非特定人语音识别任务。 通过实际构建和测试一个基于HMM的非特定人孤立词语音识别系统，作者证明了系统的有效性和鲁棒性。实验结果表明，12维的LPCC参数在识别10个数字时表现出良好的效果，而26维的MFCC参数则进一步提高了识别率，显示了MFCC在复杂场景下的优势。 关键词涉及的领域包括语音识别、线性预测倒谱系数、Mel频率倒谱系数、动态时间归整和隐马尔可夫模型，这些都是构建和优化汉语数字语音识别系统的关键技术。这篇论文为理解和改进汉语数字语音识别提供了重要的理论和技术支持。