[發(fā)明專利]一種語(yǔ)音識(shí)別方法和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201210363804.9
• 申請(qǐng)日: 2012-09-26
• 公開(kāi)（公告）號(hào): CN103680498A
• 公開(kāi)（公告）日: 2014-03-26
• 發(fā)明（設(shè)計(jì)）人: 劉長(zhǎng)娥;張德明
• 申請(qǐng)（專利權(quán)）人: 華為技術(shù)有限公司
• 主分類號(hào): G10L15/08
• 分類號(hào): G10L15/08
• 代理公司: 深圳市深佳知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 唐華明

技術(shù)領(lǐng)域

本發(fā)明涉及電學(xué)技術(shù)領(lǐng)域，特別涉及一種語(yǔ)音識(shí)別方法和設(shè)備。

背景技術(shù)

人類利用語(yǔ)言相互交流信息，語(yǔ)言包括：語(yǔ)音和文字兩種表現(xiàn)方式。通過(guò)語(yǔ)音相互傳遞信息，是人類最重要的基本功能之一。隨著信息技術(shù)的發(fā)展，人與機(jī)器之間也需要進(jìn)行大量的信息交換，目前計(jì)算機(jī)已經(jīng)開(kāi)始模擬人類交流信息的過(guò)程。

人類交流信息的過(guò)程包括：1、自然語(yǔ)言生成：將大腦產(chǎn)生的思想轉(zhuǎn)換成語(yǔ)言；2、語(yǔ)音合成：將語(yǔ)言轉(zhuǎn)換成語(yǔ)音；3、語(yǔ)音識(shí)別：識(shí)別表達(dá)語(yǔ)言的語(yǔ)音內(nèi)容；4、自然語(yǔ)言理解：理解語(yǔ)音所表達(dá)的語(yǔ)言意義。其中前兩點(diǎn)是說(shuō)者執(zhí)行過(guò)程，后兩點(diǎn)是聽(tīng)者執(zhí)行過(guò)程。其中，語(yǔ)音識(shí)別是上述過(guò)程中的“識(shí)別表達(dá)語(yǔ)言的語(yǔ)音內(nèi)容”，對(duì)于設(shè)備而言就是：識(shí)別人類所說(shuō)的語(yǔ)音，并將其轉(zhuǎn)化成文字。以下將就幾個(gè)方面對(duì)語(yǔ)音識(shí)別進(jìn)行說(shuō)明。

一、設(shè)備語(yǔ)音識(shí)別基本原理：

語(yǔ)音識(shí)別是一種模式識(shí)別系統(tǒng)，語(yǔ)音識(shí)別包含如下步驟：

1、語(yǔ)言輸入；

2、預(yù)處理；

3、特征提取，作為兩個(gè)分支分別進(jìn)入4的訓(xùn)練類聚以及5~7的識(shí)別操作；

4、訓(xùn)練類聚得到模板庫(kù)；

5、使用模板庫(kù)的參考模式執(zhí)行相似度比較；

6、執(zhí)行識(shí)別過(guò)程中對(duì)5中結(jié)果進(jìn)行失真檢測(cè)，然后進(jìn)入7；

7、輸出識(shí)別結(jié)果。

其中，預(yù)處理部分包括語(yǔ)音信號(hào)的采樣、濾波等處理，特征提取的作用是從語(yǔ)音信號(hào)中提取出幾組能描述其信號(hào)特征的參數(shù)，如能量、共振峰、倒譜系數(shù)等，以便于訓(xùn)練和識(shí)別。建立語(yǔ)音識(shí)別系統(tǒng)的過(guò)程是，先用大量語(yǔ)音進(jìn)行訓(xùn)練得到模板庫(kù)，然后讀取模板庫(kù)的模板，和待識(shí)別語(yǔ)音進(jìn)行相似度比較，得到識(shí)別結(jié)果。

以下對(duì)本申請(qǐng)文件提到的名詞說(shuō)明如下：

訓(xùn)練（Training）：預(yù)先分析出語(yǔ)音特征參數(shù)，制作語(yǔ)音模板（Template）并存放在語(yǔ)音參數(shù)庫(kù)中，模板也可以叫做模型，主要有兩種模型：聲學(xué)模型（AM，acoustic?model）和語(yǔ)言模型（LM，language?model）。聲學(xué)模型用以從聲音信號(hào)中識(shí)別出“音”，而語(yǔ)言模型用以把音轉(zhuǎn)換成“字”。

識(shí)別（Recognition）：待識(shí)語(yǔ)音經(jīng)過(guò)與訓(xùn)練時(shí)相同的分析，得到語(yǔ)音參數(shù)，將它與庫(kù)中的參考模板一一比較，并采用判決的方法找出最接近語(yǔ)音特征的模板，得出識(shí)別結(jié)果，這里的識(shí)別結(jié)果表現(xiàn)為文字的形式。

失真測(cè)度（Distortion?Measures）：在進(jìn)行比較時(shí)要有個(gè)標(biāo)準(zhǔn)，這就是計(jì)量語(yǔ)音特征參數(shù)矢量之間的“失真測(cè)度”。失真測(cè)度是語(yǔ)音識(shí)別過(guò)程中的比較，失真測(cè)度的計(jì)算公式有多種，例如：計(jì)算語(yǔ)音特征參數(shù)矢量之間的距離，更具體地：語(yǔ)音特征參數(shù)矢量A(x1,y1)和語(yǔ)音特征參數(shù)矢量B（x2,y2）間的失真測(cè)度D=(x1-x2)2+(y1-y2).]]>

主要識(shí)別框架：基于模式匹配的動(dòng)態(tài)時(shí)間規(guī)整法（DTW，Dynamic?Time?Warping）和基于統(tǒng)計(jì)模型的隱馬爾柯夫模型法（HMM，Hidden?Markov?Model）。

二、語(yǔ)音識(shí)別的模型：

聲學(xué)模型用以從聲音信號(hào)中識(shí)別出“音”，而語(yǔ)言模型用以把音轉(zhuǎn)換成“字”。

統(tǒng)計(jì)語(yǔ)音識(shí)別的最基本問(wèn)題是，給定輸入信號(hào)或特征序列O={O1,O2，...,On}，和詞匯表V={w1,w2,…,wL}，從V中任意選擇M個(gè)詞構(gòu)成詞序列W=(w1,w2，...,wM)，求解對(duì)應(yīng)特征序列O的詞序列W*，使得：