人工智能-语音识别-语音识别技术在智能业务中的应用研究.pdf
版权申诉
146 浏览量
2022-06-28
08:12:25
上传
评论
收藏 2.09MB PDF 举报
第一章绪论
语音识别（ＡＳＲ－－Ａｕｔｏ
Ｓｐｅｅｃｈ
Ｒｅｃｏｇｎｉｔｉｏｎ）技术使得计算机实现了话务员耳朵
的功能，而文语转换ＴＴＳ（Ｔｅｘｔ
Ｔｏ
Ｓｐｅｅｃｈ）则实现了话务员的嘴巴的功能，将它们应
用子电信领域，可以使用户通过电话与计算机进行交谈，代替话务员的工作，会使公司
减少成本、提供友好的服务界面（可以省去烦琐的菜单式服务，从而提高了应用的简便
程度和客户的满意度）、增加电话接通率等等。虽然从技术的角度来看ＡＳＲ和ＴＴＳ已基
本达到了可实用的阶段，但其在电信领域的应用尚有很多问题需要研究和探讨。
本文根据电信领域智能业务对语音识别功能的特殊需求，将业界领先的语音识别系
统（为保密命名为Ｘ２０００）集成于智能业务中，并着重对如何提高识别性能进行了探讨。
§１．１语音识别的历史发展
语音识别以语音为研究对象，它是语音信号处理的一个重要研究方向，是模式识别
的一个分支，是集声学、人脑学、神经科学、生理学、人工智能、模式识别、信号处理、
计算机以及语言学等诸多学科于一体的交叉性学科。
语音识别的研究工作开始于五十年代。１９５２年，贝尔实验室Ｄａｖｉｓ等人根据语音
信号的第一第二共振峰特征，实现了第一个可识别十个英文数字的语音识别系统——
Ａｕｄｒｙ系统。这个时期，语音处理理论很不成熟，抽取特征的方法大多是用带通滤波组
提取频谱参数或语音信号共振峰，采用的结构也大多是计算机或专用硬件计算机的识别
系统，模式匹配时忽略语音内在的可变性，因此，识别效果并不好。但它的重大贡献在
于初步建立了一套完整的语音识别体系方法：即通过特征描述、模板建立、对输入语音
实现模板匹配，从而达到语音识别的目的。随后，到１９５６年，Ｄｕｄｄｌｅｙ和Ｂａｌａｓｈｅｋ等人
改进了共振峰检测算法，相继提出短时谱、ＦＦＴ倒谱等，大大丰富了获取语音特征的手
段。
六十年代，计算机的应用推动了语音识别的发展。Ｓａｉｔｏ、Ｉｔａｋｕｒａ和Ａｔａｌ等提出了动
态规划ＤＰ（Ｄｙｎａｍｉｃ
Ｐｒｏｇｒａｍｍｉｎｇ）和语音信号的线性预测方法ＬＰ（Ｌｉｎｅａｒ
Ｐｒｅｄｉｃｔｉｖｅ），
其中后者为完整描述语音信号提供了良好的解决方案，对语音识别的发展产生了深远影
响。在这段时期，听觉感知实验结果和人耳生理研究成果被用于语音信号的描述。Ｐｏｌｓ
等提出了将人耳临界带宽随时间变化的特性引入带通滤波组设计，从而产生了语音特征
的另一种主要形式ＭＦＣ（Ｍｅｌ－Ｆｒｅｑｕｅｎｃｅ—ｓｃａｌｅ
ｃｏｆｆｉｃｉｅｎｔｓ）参数，听觉感知知识的加
入进一步提高了语音识别器的性能。
七十年代是语音识别研究的兴旺期，在识别理论上有了重大突破。随着谱分析和模
式识别方法的发展，建立了语音信号产生的全极点模型。线性预测编码技术ＬＰＣ（Ｌｉｎｅａｒ
Ｐｒｅｄｉｃｔｉｖｅ
Ｃｏｄｉｎｇ）得到迸一步发展。此后相继出现的ＬＰＣ倒谱、短时能谱、Ｍｅｌ倒谱等，
剩余59页未读，继续阅读
资源评论
