[發明專利]一種應用于英語口語網絡機考系統的語音識別裝置

無效

• 申請號: 201110268976.3
• 申請日: 2011-09-13
• 公開（公告）號: CN102436815A
• 公開（公告）日: 2012-05-02
• 發明（設計）人: 劉健剛;李霄翔;儲琢佳;董靜;魏昕;唐加能;趙力;張萍;李魯
• 申請（專利權）人: 東南大學
• 主分類號: G10L19/00
• 分類號: G10L19/00;G10L19/02;G10L15/06
• 代理公司: 南京天翼專利代理有限責任公司 32112
• 代理人: 朱戈勝

【技術領域】

本發明涉及一種語音識別裝置。特別涉及一種用于英語口語網絡機考的語音識別裝置。

【背景技術】

我國教育部高等教育司于2007年5月啟動基于計算機和網絡的大學英語四、六級考試項目，并于2008年12月20日在全國53所高校實施大學英語網考點考試。隨著我國四、六級網考點工作的開展將徹底改變長期以來語言考試中主要依靠紙質考試制度的弊端，無論對考生還是大學英語老師都是一個巨大的挑戰，是英語教學理念中的一場革命。在大學英語網考的口語測試系統中，語音識別裝置居于核心地位。在傳統的語音識別裝置的基礎上，應用于英語口語網絡機考的語音識別裝置需要具有以下特性.

首先，英語口語網絡機考系統一般是通過網絡來提供終端和服務器之間的英語識別和評估服務的，因此對語音識別裝置的一般要求是面對非特定人的。其次，語音識別裝置需要對由終端機、傳輸網絡和背景噪聲所帶來的不利影響具有較強的魯棒性。此外，要求其具有一定的實時性，并且具有較短的訓練時間、較高的識別精度和較小的硬件存儲開銷。因此，在這種情況下，傳統的基于隱馬爾科夫模型(HMM)的語音識別方法由于需要較多的模型訓練數據，較長的訓練時間及識別時間，而且還需要較大的內存空間，并且對于噪聲的魯棒性較差，因此無法應用于面向英語口語網絡機考的語音識別裝置。

【發明內容】

為了解決上述的缺陷和不足，本發明提供了一種智能電視終端。本發明所采用的技術方案是：

一種用于英語口語網絡機考的語音識別裝置，包括輸入接口模塊、模數轉換器、數字信號處理器模塊、程序存儲器、數據存儲器和輸出接口模塊；語音信號依次經輸入接口模塊和數轉換器連接數字信號處理器模塊的信號輸入端；數字信號處理器模塊的信號輸出端連接輸出接口模塊；所述程序存儲器和數據存儲器通過程序/數據總線連接數字信號處理模塊的通用輸入/輸出端；

在程序存儲器里存放提示語音，在數據存儲器里存放所有的碼本及采樣的語音數據，

所述的數字信號處理模塊包括特征提取子模塊、訓練子模塊和識別子模塊；由特征提取子模塊和訓練子模塊完成訓練流程，由特征提取子模塊和識別子模塊完成識別流程；

特征提取子模塊對輸入的語音提取相應的特征參數，步驟包括先對語音進行預加重，再加窗分幀，然后對每一幀語音求取MEL倒譜系數，用該系數作為該幀語音的特征參數；

對于訓練流程，訓練子模塊對語音的特征參數，通過改進的矢量量化的訓練算法，生成后續識別時需要用到的碼本；

對于識別流程，識別子模塊計算語音的特征參數與每個通過訓練所生成的碼本之間的歐氏距離，選出距離最小的碼本所在的類作為識別結果輸出。

所述改進的矢量量化的訓練算法，步驟包括：

首先用分裂法產生只有兩個矢量的初始碼本，再用LBG算法聚類，生成兩個子集；在兩個子集中分別用分裂法各產生兩個矢量的碼本，再用LBG算法優化；如此反復M次可產生含2^M個矢量的碼本，所述M的值根據在英語口語網絡機考中具體需要區分的英語語音類別進行設定(這些語音類別是根據網考的實際情況來，M＝2～10，換算成類別的話數目是4～1024這樣一個范圍，這個類別范圍內都可以用本方法。至于具體網考中有多少類別需要識別，直接用類別數求以2為底的對數，就可以得到M的取值了。)，取值范圍為M＝2～10。

特征提取子模塊對輸入語音信號提取其相關的特征參數，過程為：將語音信號經過采樣，1-aZ^-1的預加重，并且通過加窗將其分為一幀一幀的語音；

對每一幀語音s_n，首先進行線性預測分析，通過Levinson-Durbin算法求出其p階的線性預測系數LPC?a₁，a₂，...，a_p；

接著，由LPC通過遞推，獲得倒譜系數c₁，c₂，...，c_p，遞推公式如下：

c₁＝a₁