论文部分内容阅读
关键词检测是一种特殊的语音识别任务,旨在从连续的话音中检测出由具体应用所决定的特定词,它在许多领域内都有着良好的应用前景,也是一种备受关注的研究方向,国内国外的很多学者都对关键词检测的相关技术进行了研究,并推出了相应的产品。 本文就语音信号特征及语音信号的模型两个关键词检测的基本问题作了详细的介绍。对于语音识别系统来说,模型是一个关键性的问题,可以看成把特征矢量序列映射成字典中的一个词,它的任务是用一种比较好的方法把不同的识别基元在特征空间中划分开来。目前比较流行的模型主要是隐马尔可夫模型。本文重点介绍了隐马尔可夫模型的基本原理,并给出了简单、可行的训练方法和检测策略,建立了基于一步式检测确认结构的检测系统,在搜索过程中计算输入语音与参考模型之间匹配得分与置信度的联合得分,实现了无语法限制的关键词检测。 对于关键词检测系统来说,大多是基于隐马尔可夫模型的,但得分计算,及具体的检测算法等很多细节是不同的。然而它们的共同之处就是创建一个由关键词模型和代表非关键词语音及背景噪声的废料模型构成的语法网络。本文就这点针对小词汇量的关键词检测系统提出了基于音节格的废料模型,它有效的减少了系统的检测时间并提高了系统的检测率。