语音识别不仅是指机器通过学习实现从语音信号到文字符号的理解过程,作为一门交叉学科,与声学、语言学、人工智能、数字信号处理、模式识别等学科有着紧密地联系。 大约经过50年的发展,语音识别技术已经能够实现大词汇量、非特定人的连续语音识别系统,汉语语音识别技术目前已经发展到世界先进水平。针对汉语发音的特点,本文以离散隐马尔可夫模型为方法,对中等词汇量、非特定人、孤立字的汉语语音识别进行了基础研究。 首先,文章在对语音信号进行分析的基础上,对短视平均过零率的算法进行了改进,又利用幅度和短时平均过零率两个参数改进了端点检测的方法。然后对汉语发音的特点进行了研究,分析了以音素为单位的声母和韵母的特点,提出了查找过渡点将声母韵母分离的方法。 接下来本文对语音识别系统的两个重要部分——特征参数提取和矢量量化的相关知识给予了介绍。 最后,本文着重对以DHMM为方法的语音识别系统进行了分析,讨论了在语音识别系统中DHMM参数选取的问题。对于非特定人、中等词汇表、孤立字的语音识别系统,使用了DTW和DHMM两种方法进行了试验比较,验证了DHMM方法的优越。还对特征参数的选取对识别率的影响进行了讨论,得出了加权差分倒谱系数是一个优越参数的结论。通过矢量量化参数选取的讨论,得到对于中等词汇量的语言识别,矢量量化的码本大小应为64或128的结论。并且,在对汉语发音研究的基础上,对DHMM的不足进行了改进,提出了两段式DHMM语音识别的方法。试验结果表明,此方法能够降低系统的识别时间,还能提高系统识别率。