淺析語音識別原理

施超群 陳堅剛

（浙江工商職業(yè)技術(shù)學(xué)院，浙江 寧波 315012）

語言交流是人類一種天然的溝通模式。從兒童時代開始我們對語言的相關(guān)學(xué)習(xí)都是自發(fā)的，語言交流始終貫穿于我們的生活。它是那么的自然以至于我們根本沒有發(fā)現(xiàn)這是一種多么復(fù)雜的現(xiàn)象。人類的聲道和發(fā)音器官，是具有非線性特征的生物器官，不僅僅運行在有意識的控制下，而且受到性別及其成長因素情緒狀態(tài)的影響。因此，聲音會因為他們的口音、發(fā)音、清晰度、體積、速度等有著大幅的變動。人類希望能與機器進一步溝通，從而方便生產(chǎn)與生活，而在語音信號的傳輸過程中,我們不規(guī)則的語言行為方式會被背景噪聲和回聲,以及電特性(如話筒等電子設(shè)備)進一步扭曲。這一切可變性的聲音來源使語音識別更加繁瑣復(fù)雜。

語音識別是一個多層模式識別的任務(wù)。聲音信號經(jīng)過考察，結(jié)構(gòu)分為一個層次詞根單位(例如,音素)、詞、短語、句子。每一層可提供額外的時間限制,例如,已經(jīng)被認知的單詞發(fā)音或法律上的單詞序列,可以彌補錯誤或把不確定性降到較低水平。限制的最好方法是在所有較低的層次中利用概率相結(jié)合的決策,而只在最高層次中使用離散決策。

一個標(biāo)準(zhǔn)的語音識別系統(tǒng)如下圖所示。

1 語音信號的預(yù)處理與分析

1.1 原始語音

實際的物理波形信號通過傳聲器（話筒）采集而形成的隨時間連續(xù)變化的模擬信號，在語音信號被采集的同時背景噪音也隨之而來。

1.2 信號預(yù)處理

要將采集進來的模擬信號轉(zhuǎn)換為計算機認識的信號，這就需要數(shù)/模轉(zhuǎn)換（計算機中的聲卡就有此功能）。其中最常見的方式稱為脈沖編碼調(diào)制 （Pulse Code Modulation），可分為采樣、量化、編碼三個過程。

1.2.1 采樣。就是將模擬音頻電信號轉(zhuǎn)換成二進制碼。耳朵可以聽到的頻率為20Hz~20kHz，根據(jù)采樣定理：當(dāng)采樣頻率大于信號的兩倍帶寬時，即采樣頻率大于40kHz時，采樣過程就不會丟失信息。由于考慮到設(shè)備兼容性問題，國際上將采樣頻率標(biāo)準(zhǔn)定為44.1kHz。盡管從物理上可以證明大于40kHz的采樣率可精確重構(gòu)原始波形，但人的主管聽音試驗表明，采樣頻率越大音質(zhì)越有保證。

1.2.2 量化。就是將模擬信號的采樣的幅度值以特定單位進行度量，用它整數(shù)倍的數(shù)字進行表示的過程。先將整個幅度值劃分成有限的區(qū)域，所有采樣信號的幅度值分布在幅度值最相近的區(qū)域并用量化精度（比特數(shù)）表示。量化決定了聲音動態(tài)范圍，因為都是2的整數(shù)倍，如4bit、8bit、16bit等等。而且量化過程沒有最低標(biāo)準(zhǔn)，精度一般越大越好。

經(jīng)過時間上的采樣和幅度上的量化后，連續(xù)的模擬信號就變成了離散信號，這樣就轉(zhuǎn)化為了數(shù)字信號。其中把量化好的采樣值表示成二進制代碼的這一過程就是編碼。量化和編碼基本上是同時實現(xiàn)的。

1.3 信號分析

為了簡化后續(xù)過程必須先將數(shù)字信號中的語音信號進過轉(zhuǎn)化和壓縮，其中有許多技術(shù)能將其中的特征提取出來和壓縮數(shù)據(jù)的時候盡量減少重要數(shù)據(jù)的丟失。

1.3.1 短時傅里葉變換。語音信號有短時的穩(wěn)定，長時變化，瞬時穩(wěn)態(tài)的特點，即信號的頻率隨時間的變化。傳統(tǒng)傅里葉變換缺少時域定位功能而不適用于時變信號。

1.3.2 線性預(yù)測編碼。這是廣泛和最有效的語音分析技術(shù)，可以用過去的若干個語音信號樣值的線性組合來預(yù)測以后的樣值。

1.3.3 倒譜系數(shù)。語音識別中較為常用的特征參數(shù)是線性預(yù)測倒譜系數(shù)LPCC （Linear Predictive Cepstral Coding）和Mel頻率倒譜系數(shù) （Mel Frequency Cepstrum Coefficient）。前者體現(xiàn)人的聲道特性容易受環(huán)境噪聲干擾，后者構(gòu)造了人的聽覺模型，強調(diào)語音低頻信息，有利于噪音屏蔽干擾。

2 語音識別的主要技術(shù)方法

在經(jīng)過語音信號的預(yù)處理和分析，提取出來的特征參數(shù)要與模型庫中的模板參數(shù)去匹配，而這個就是語言識別系統(tǒng)的核心。目前有代表性的語音識別方法主要有特征參數(shù)匹配法、隱馬爾可夫法和神經(jīng)網(wǎng)絡(luò)法。

2.1 特征參數(shù)匹配法

這是一種傳統(tǒng)的模式識別方法，其技術(shù)要點是：在訓(xùn)練過程中將預(yù)處理過的信號通過一次變換，去掉冗余部分，而把代表語音本質(zhì)的特征參數(shù)抽出來，成為相對應(yīng)語音的模版；然后，在識別過程中，用同樣的方法從待識別語音信號中提取出語音參數(shù)；最后，應(yīng)用某種不變的測度，尋求語音參數(shù)與模版參數(shù)兩者之間的相似性，用似然函數(shù)進行判決。

2.2 隱馬爾可夫模型（Hidden Markov Model，HMM）

這是一種研究透徹，算法成熟，效率高，效果好，易于訓(xùn)練的方法，已成為識別的主流技術(shù)，目前大多數(shù)詞匯量、連續(xù)語音的非特定語音識別系統(tǒng)，都是基于HMM的模型。隱馬爾可夫模型是馬爾可夫鏈的一種，它的模式庫不是預(yù)先存儲好的模式樣本，而是通過反復(fù)訓(xùn)練形成的與訓(xùn)練后輸出信號相似合概率最大的最優(yōu)模型參數(shù)。而且它的識別過程中待識別語音序列與HMM參數(shù)達到最佳匹配狀態(tài)作為識別輸出，是較為理想的識別模型。

2.3 神經(jīng)網(wǎng)絡(luò)法（ANN）

ANN本質(zhì)上是一個自適應(yīng)非線性動力學(xué)系統(tǒng)，模擬了人類神經(jīng)元活動的原理，具有自適應(yīng)性、并行性、魯棒性、容錯性和學(xué)習(xí)特性。基于神經(jīng)網(wǎng)絡(luò)的語音識別系統(tǒng)通常由網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練算法和神經(jīng)元構(gòu)成。由于具有良好的動態(tài)時變性能和結(jié)構(gòu)，良好的動態(tài)時間關(guān)聯(lián)特性，使其具有很大的發(fā)展?jié)摿Α?/p>

3 微軟windows 7語音識別的應(yīng)用

微軟windows 7操作系統(tǒng)已經(jīng)發(fā)布有段時間了，其中的語音識別功能可以比較好的控制電腦的很多功能了。首先我們準(zhǔn)備一臺裝有windows 7操作系統(tǒng)的電腦，當(dāng)然語音輸入設(shè)備必不可少（如：話筒）。

3.1 設(shè)備調(diào)整

首先找到語音識別程序，在開始-控制面板-所有控制面板項-語音識別 （如圖2所示）。點擊 “啟動語音識別”，如果是首次運行就會出現(xiàn)關(guān)于語音識別系統(tǒng)的一些介紹，然后就會跳入麥克風(fēng)設(shè)置向?qū)Вㄈ鐖D3所示），根據(jù)提示設(shè)置麥克風(fēng)。這一步就是語音輸入設(shè)備（傳聲器）的選擇調(diào)整。

圖2 windows 7語音識別系統(tǒng)

圖3 輸入設(shè)備設(shè)置

3.2 學(xué)習(xí)教程

教程（如圖4所示）的學(xué)習(xí)可以根據(jù)不同人的需要來學(xué)習(xí)，其中基礎(chǔ)部分就展示了如何打開或者關(guān)閉語音識別系統(tǒng)以及一些常用到的最基礎(chǔ)的信息。聽寫部分就是用聲音輸入文字，然后如何編輯聲音輸入后的文字（如：選擇、刪除等）其中包括一些常用編輯命令。命令部分就是允許通過聲音控制窗口，啟動程序，選擇菜單等等，可以和屏幕上的項目交互。使用windows部分讓人學(xué)習(xí)瀏覽窗口，控制窗口，啟動切換程序等。完成了學(xué)習(xí)教程意味著您學(xué)會了如何使用這個語音識別的功能了。因為語音識別是一項前沿技術(shù)，有時候計算機不一定能完全聽懂您說的內(nèi)容所以您需要不斷地訓(xùn)練它。

圖4 系統(tǒng)自帶語音識別教程

3.3 訓(xùn)練計算機

就在剛才的學(xué)習(xí)教程的過程中，語音識別系統(tǒng)已經(jīng)進行了由模擬信號到數(shù)字信號的轉(zhuǎn)換，語音信號的預(yù)處理和分析，然后經(jīng)過了特征參數(shù)的提取，和模式庫的建立匹配，最后識別執(zhí)行識別后的命令，這一系列的過程。為了更好的識別控制著的語音，用自然平穩(wěn)的語調(diào)向計算機閱讀文本，提高計算機理解語音的能力。通過反復(fù)訓(xùn)練（如圖5所示）形成的與訓(xùn)練后輸出信號相似合概率最大的最優(yōu)模型參數(shù)，使識別更加準(zhǔn)確。

圖 5語音識別語音訓(xùn)練

雖然目前的語音識別技術(shù)還不完善，但是它已經(jīng)應(yīng)用到了日常生活的各個領(lǐng)域中，如數(shù)字通信、教育培訓(xùn)、醫(yī)學(xué)醫(yī)療等方面。要使機器能理解人類的自然語言，能和人類交流，這是一個長遠的長期的研究課題，但也是一個具有劃時代意義的重大工程。

[1]胡澤,雷偉.計算機數(shù)字音頻工作站[M].北京：中國廣播電視出版社，2005.

[2]柏逢明.音頻檢測技術(shù)與儀器[M].北京：國防工業(yè)出版社，2006.

[3]劉幺和,宋庭新.語音識別與控制應(yīng)用技術(shù)[M].北京：科學(xué)出版社，2008.

[4]（德）布勞爾特（Blauert,J.）. 通信聲學(xué)[M]. 李昌立，李雙田譯.北京:科學(xué)出版社,2009.