语音信号处理相关论文

第二章语音识别系统概述

第二，识别基元要具有稳定性，在不同的发音环境下也能体现语音的共性，从而保证对不同环境具有良好的适应能力。

识别基元的选择还应综合考虑系统的词汇量、计算复杂度、存储量、训练所需的数据量以及基元在连续语音中的稳定性等因素。一般来说，小词汇量系统的识别基元可以选的大一些，如词或短语等；大词汇量系统的识别基元则应该选的小一些，如音素或者声韵母等。

对于汉语连续语音识别，可以选择的基元包括：句子、词、音节（字）、声韵母、音素等【１１，１２１。

词、句基元广泛应用于中小词汇量语音识别系统或者命令与控制系统，但不适合大词汇量语音识别系统。词、句的数量非常庞大，接近于无限个，选择词、句作为识别基元会使得系统的声学模型库过于庞大，训练任务繁重，同时还会增加系统搜索、匹配算法的复杂度，难以满足实时性要求。

汉语是单音节结构的语言，有４１２个无调音节和１２８２个有调音节，数量相对较少，由音节字组成词语和句子非常灵活。选择音节字作为识别基元符合人们的思维习惯，同时还有很多相关的语言学知识可以利用，因此目前的中、大词汇量汉语语音识别系统很多都以音节作为识别基元。

声韵母结构是汉语所特有的结构，所有的汉语音节都是由声母加韵母构成或仅有韵母构成。汉语有２１个声母和３８个韵母，基元数目少，而且声韵母之间声学特性相差大，区分能力强。

音素基元在英语语音识别中得到了广泛应用，取得了很好的识别性能。但音素并没有反映出汉语语音的特点，而且，相对于声韵母，音素更不稳定，给标注与训练带来了困难，进而影响声学建模。

本文选用扩展声母和带调韵母集合作为识别基元，扩展后的声韵母基元如表２．５所示［７１。选择声韵母作为识别基元还具有以下优点：声韵母结构是汉语的独特音节结构，基元数目和语音段长度比较恰当，而且声韵母的上下文关系比较确定，声母可以接哪些韵母都是确定的；同时，选取声韵母作为识别基元还有许多相关的汉语语音学知识可以利用。１２