基于中英文數字語音登陸系統的仿真研究

　　摘要：為了方便學生使用中文或英文說出學號與名字登錄注冊系統，設計了中英文數字語音登錄系統。采用MFCC(Mel頻率倒譜系數)作為語音特征參數，在隱馬爾可夫模型HMM(Hidden Markov Model)框架下建立了基于語音識別開發工具包HTK的中英文連續數字語音識別系統，包括對語音信號的預處理、特征參數的提取，識別模版的訓練，最后送到識別器進行識別。通過建立中文、英文和中英文混合訓練集和測試集聲學模型，并得到了較高的識別率，從而加強多媒體注冊系統的穩定性和魯棒性。

　　引言

　　語言是人與人之間在日常交往中最直接也是最強大的工具，然而我們并不滿足于人與人之間的對話，而是通過語音識別技術來實現人機對話，語音識別技術的終極目標就是能夠讓人類與計算機進行自由地交談。隨著語音識別技術的逐漸成熟及近些年來已經取得的進步，英文數字語音識別在其發展的20多年間已達到了很高的識別率，漢語數字語音識別也經過多年研究在PC平臺和實驗室條件下達到了高性能，但中英文混合連續數字語音識別還有待進一步研究，張晴晴等人研究的中英雙語混合語音識別的識別率為16.8%，遠低于理想中的識別率。為使識別效果達到可實用的水平，本系統首先從基本的中英文數字語音識別出發，從而為相應的登錄注冊系統做出一些嘗試。

　　本文研究的中英文連續數字語音識別，包含中文0-10和英文zero-ten的數字語音識別，其中包括對語音信號的預處理、特征參數提取、中英文聲學模型與語言模型的訓練及模版匹配等，適合于研究數字語音登錄系統，比如用戶用中英文任何語言念學號或是身份證號就能登陸，免去書寫的麻煩，同時也對后續研究中英文混合連續語音識別奠定了基礎。

　　語音識別原理

　　根據對說話人說話方式的要求，語音識別可以分為孤立字(詞)語音識別系統，連接字語音識別系統以及連續語音識別系統;根據對說話人的依賴程度，語音識別可以分為特定人和非特定人語音識別系統;根據詞匯量大小，又可以分為小詞匯量、中等詞匯量、大詞匯量以及無限詞匯量的語音識別系統。不同的語音識別系統，其目的和功能各不相同，但它們所采用的基本框架大體一致，語音識別基本流程如圖1。　

 　　語音識別的過程，其本質就是模式匹配的過程。語音信號經過預處理、語音信號的特征提取、聲學模型的訓練與模式匹配后，經過處理輸出識別結果。其中：

　　1)預處理是對輸入的原始語音信號進行處理，濾除掉其中不重要的信息和背景噪聲，并進行語音信號的端點檢測、語音分幀以及預加重等處理。

　　2)特征提取主要負責計算語音的聲學參數，并進行特征的計算，以便提取出反映信號特征的關鍵特征參數，從而用于后續處理。因Mel頻率倒譜系數(MFCC)具有良好的抗噪性和魯棒性，故本文采用MFCC提取特征參數。

　　3)訓練階段是用戶通過輸入若干次訓練語音后，經預處理和特征提取后得到特征矢量參數，建立或修改訓練語音的參考模式庫。