随机轨迹模型中汉语连续语音识别基元的选取方案

在比较各种汉语语音识别基元的基础上,结合汉语语音和随机轨迹模型的特色,提出了以音素类单元作为汉语连续语音识别系统的识别基元．基于音素基随机轨迹模型的汉语连续语音识别系统的实验结果表明,该方案可行．     

用共振峰轨迹提高汉语数码语音识别性能

在汉语数码语音识别（ Ｍ Ｄ Ｓ Ｒ）中,“２”和“８”是最易混淆的一对语音。文章分析了“２”和“８”混淆的原因,发现可用于分辨“２”和“８”的区别特征在于其共振峰轨迹的差异。因此文章提出了基于共振峰轨迹的判决算法（ Ｆ Ｔ Ｂ Ｄ）来分辨“２”和“８”。实验表明,使用 Ｆ Ｔ Ｂ Ｄ 算法,使 Ｍ Ｄ Ｓ Ｒ识别率从９６０％ 提高到 ９７７％ ,“２”和“８”的识别率从 ９１％ 提高到９９％ ,消除了这对语音的混淆,提高了 Ｍ Ｄ Ｓ Ｒ 的整体性能     

高性能汉语数码语音识别算法

提出了一个高性能的汉语数码语音识别 (MDSR)系统。 MDSR系统使用 Mel频标倒谱系数 (MFCC)作为主要的语音特征参数 ,同时提取共振峰轨迹和鼻音特征以区分一些易混语音对 ,并提出一个基于语音特征的实时端点检测算法 ,以减少系统资源需求 ,提高抗干扰能力。采用了两级识别框架来提高语音的区分能力 ,其中第一级识别用于确定识别候选结果 ,第二级识别用于区分易混语音对。由于采用了以上改进 ,MDSR系统识别率达到了 98.8% .     

神经网络在汉语语音识别中的应用

论述了基于神经网络模型的特定人汉语语音识别,并建立了一基于３层ＢＰ神经网络的汉语语音识别系统,对汉语１０个数字（１￣１０）进行识别实验,获得了较满意的识别结果。     

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,表明了采用音节间相关的识别单元比基本的识别单元误识率有明显的降低     

基于汉语语音音位的非特定人命令词识别算法研究

通过对汉语全音节的声母、韵首、韵腹、韵尾4部分音位分别建立HMM模型,实现对非特定人命令词的识别.该方法在识别阶段将置信度评估和不完全匹配的方法结合起来,在一定程度上提高了识别的质量.经实验证明了该算法的有效性.     

强噪声环境下汉语语音识别的模糊分类算法

论述了强背景噪声环境下利用模糊分类算法对大词汇量的汉语语音进行了分类识别，根据噪声的汉语语音特点，采用有边界的交叉分类和无边界的模糊分类相结合的措施，较成功地解决了强噪声环境下的汉语语音分类。     

汉语数码语音识别中一种新的抗噪声特征参数

为了提高中小词汇量语音识别系统在噪声环境下的识别性能,以10个汉语数码语音为对象,利用汉语数码语音信号区别于噪声信号的准周期特性,提出了一种汉语数码语音频谱包络峰值特性的提取方法,首先用基频对语音频谱采样得到由谐波值构成的包络以提高信噪比,然后再对所得包络进行峰值提取得到汉语数码语音的峰值特征。实验结果表明,在信噪比大于5dB时,用该方法得到的峰值特征具有一定的抗噪性。     

连续汉语音识别有双词文法约束的大型HMM

提出针对汉语连续语音识别中的大型ＨＭＭ进行修正。在模型中加入双词法约束,然后给出洁约束下的新的识别算法,新识别算法基于Ｖｉｔｅｒｂｉ算法和分层构筑思想之上。经实验测试,识别率有较大提高。     

高性能汉语数码语音识别芯片系统

在嵌入平台上实现高性能的汉语数码语音识别(MDSR),对于电话通讯、工业控制等都具有极高的实用价值。该文描述了一个在16bit定点DSP芯片上实现的高性能汉语数码语音识别系统。识别模型采用连续隐Markov模型(CHMM),识别特征采用Mel频标倒谱系数(MFCC)。在模型的训练中引入MCE区分性训练进一步提高了系统的识别性能。识别过程采用单级识别框架,降低了芯片上系统部分的复杂性,同时保证了很高的识别性能与稳健性。实验证明该系统对11汉语数码发音可以达到98.3%的识别正确率,在58.5MIPS的16bit定点DSP上进行一次识别只需要35ms。     

汉语语音识别中的加权概念转移网络语言模型

采用分层语法规则的加权概念转移网络，并将语法规则和类似于统计语言模型中的概率分布结合起来，通过引入平滑的概念，为一些超出词典的OOV词和超出语法规则的词分配一个较小的概率，使模型具有较强的稳健性．实验结果表明：这种分层语法表示灵活、概念清晰、实现简单，可以较大地降低语言模型的混乱度；模型在概念级的预测性能可达到99％的正确率．用该语言模型为语音识别提供预测单元，可以提高识别率．     

普通话连续数字串语音识别的持续时间模型

在普通话连续数字串的识别中，与传统HMM在持续时间模型上的错误假设有关的删除与插入错误所占比例可达24．23％。基于此，在Viterbi解码中引入持续时间模型信息。对多种带参函数分布的持续时间模型在理论和实验上的比较分析都证明了Gamma分布更能精确反映汉语字模型的持续时间特性。文中还在外惩罚模型的基础上提出预理分段内惩罚持续时间模型和全局内惩罚持续时间模型两种改进算法。实验表明，结合持续时间模型的语音识别算法可以有效地减少删除与插入错误率，使总体识别错误率比基带系统减少了47．74％。     

潜语义分析语言模型及其在汉语大词汇连续语音识别中的应用

分析了潜语义分析语言模型在建模和解码过程中的主要问题, 实现了潜语义分析语言模型的建模, 并提出一种在连续语音识别系统一遍解码框架中融合的方法. 实验结果表明, 该方法可有效地提高大词汇汉语连续语音识别系统的性能.      

汉语连续语音识别中上下文相关的声韵母建模

声学建模是汉语连续语音识别中的关键步骤之一。根据汉语语音的特点,采用扩展声韵母(XIF)作为识别基元,并针对XIF基元设计了相应的问题集,利用基于决策树的状态共享策略建立上下文相关声韵模型(Tri-XIF)。将Tri-XIF模型与上下文相关音素模型(Tri-phone)、上下文无关音节模型进行了对比。提出了几种方法用于改善标注、改进问题集和降低模型规模。实验结果表明,Tri-XIF模型与Tri-phone模型、音节模型相比,识别性能有了很大提高,其音节误识率分别降低了24.53%和41.65%。采用了所提出的优化策略后,模型规模降低20%以上,而性能下降很少。     

有限态文法引导的基于连续密度HMM的连续汉语语音识别

介绍了用有限态文法引导的基于连续密度隐马尔可夫模型(HMM)的连续汉语语音识别系统.分析了系统的组成,词语的HMM的训练方法和对识别系统的测试结果。实验表明,用有限态文法辅助进行连续语音识别是一种有效的策略;连续密度HMM与基于矢量量化的HMM/VQ相比需要较大的计算量,但可明显提高识别准确率。     

汉语方言语音识别系统的构建

设想一套汉语方言语音识别系统。该系统将具有声、韵、调自动识别,中古声母、韵母、声调以及声母开齐合撮检索,同音和有音无字词检索,轻声、连读变调识别和文白异读识别等5个功能,汉语方言识别系统的构建将提高汉语方言研究的工作效率。     

利用声调判别提高汉语数码语音识别性能

数码语音“２”与“８”等的混淆是汉语数码语音识别错误的主要来源。为此,提出了在汉语数码语音识别中引入声调判别的方法。首先设计了变长度短时平均幅度差函数（ＬＶＡＭＤＦ）、元音中心定位、基音谐波单周期校正以及基音邻近搜索等一系列高性能基音周期估计算法,在此基础上设计了一个针对汉语数码语音声调识别的ＭＤＴＤ算法。实验表明,新的基音周期估计方法和ＭＤＴＤ算法使汉语数码语音识别率由９５．２％上升到９８．５％,更使“２”与“８”的分辨率由９０．５％上升到了９８．８％,从而较好地解决了这个难题。     

基于知识的语音识别与理解

本文介绍一个汉语连续语音识别与理解系统USTC—Ⅱ,在该系统中词法、句法和语义等多种知识被用来提高识别速度和精度,增强语言理解能力.系统采用了本文提出的一种从关链词入手的句法和语义相结合的分析方法,具有较强的辨析同音词、谐音词以及纠错功能.该系统能接受与理解几乎所有类型的单句,并以带有标点符号的汉字形式输出句子.