摘  要： 回顧了語音識別技術(shù)的發(fā)展歷史,描述了語音識別系統(tǒng)的基本原理,介紹了語音識別的幾種基本方法,并對語音識別技術(shù)面臨的問題和發(fā)展前景進行了討論,。
關(guān)鍵詞： 語音識別,；模式識別；特征提取,；人機交互

1 語音識別技術(shù)概述
　　語音識別是解決機器“聽懂”人類語言的一項技術(shù),。作為智能計算機研究的主導(dǎo)方向和人機語音通信的關(guān)鍵技術(shù)，語音識別技術(shù)一直受到各國科學(xué)界的廣泛關(guān)注,。如今,，隨著語音識別技術(shù)研究的突破，其對計算機發(fā)展和社會生活的重要性日益凸現(xiàn)出來,。以語音識別技術(shù)開發(fā)出的產(chǎn)品應(yīng)用領(lǐng)域非常廣泛,，如聲控電話交換、信息網(wǎng)絡(luò)查詢,、家庭服務(wù),、賓館服務(wù)、醫(yī)療服務(wù),、銀行服務(wù),、工業(yè)控制、語音通信系統(tǒng)等,，幾乎深入到社會的每個行業(yè)和每個方面,。
　　廣泛意義上的語音識別按照任務(wù)的不同可以分為4個方向：說話人識別,、關(guān)鍵詞檢出、語言辨識和語音識別[1],。說話人識別技術(shù)是以話音對說話人進行區(qū)別,，從而進行身份鑒別和認證的技術(shù)。關(guān)鍵詞檢出技術(shù)應(yīng)用于一些具有特定要求的場合,，只關(guān)注那些包含特定詞的句子,，例如對一些特殊人名、地名的電話監(jiān)聽等,。語言辨識技術(shù)是通過分析處理一個語音片斷以判別其所屬語言種類的技術(shù),，本質(zhì)上也是語音識別技術(shù)的一個方面。語音識別就是通常人們所說的以說話的內(nèi)容作為識別對象的技術(shù),，它是4個方面中最重要和研究最廣泛的一個方向,，也是本文討論的主要內(nèi)容。
2 語音識別的研究歷史及現(xiàn)狀
　　語音識別的研究工作始于20世紀50年代,，1952年Bell實驗室開發(fā)的Audry系統(tǒng)是第一個可以識別10個英文數(shù)字的語音識別系統(tǒng),。1959年，Rorgie和Forge采用數(shù)字計算機識別英文元音和孤立詞,，從此開始了計算機語音識別,。60年代，蘇聯(lián)的Matin等提出了語音結(jié)束點的端點檢測,，使語音識別水平明顯上升,；Vintsyuk提出了動態(tài)編程，這一提法在以后的識別中不可或缺,。60年代末,、70年代初的重要成果是提出了信號線性預(yù)測編碼(LPC)技術(shù)和動態(tài)時間規(guī)整(DTW)技術(shù)，有效地解決了語音信號的特征提取和不等長語音匹配問題,；同時提出了矢量量化(VQ)和隱馬爾可夫模型(HMM)理論,。
　　80年代語音識別研究進一步走向深入：HMM模型和人工神經(jīng)網(wǎng)絡(luò)(ANN)在語音識別中成功應(yīng)用。1988年,，F(xiàn)ULEE Kai等用VQ/I-IMM方法實現(xiàn)了997個詞匯的非特定人連續(xù)語音識別系統(tǒng)SPHINX,。這是世界上第1個高性能的非特定人、大詞匯量,、連續(xù)語音識別系統(tǒng),。
　　進入90年代后，語音識別技術(shù)進一步成熟,，并開始向市場提供產(chǎn)品,。許多發(fā)達國家如美國、日本,、韓國以及IBM,、Apple,、AT&T、Microsoft等公司都為語音識別系統(tǒng)的實用化開發(fā)研究投以巨資,。同時漢語語音識別也越來越受到重視,。IBM開發(fā)的 ViaVoice和Microsoft開發(fā)的中文識別引擎都具有了相當高的漢語語音識別水平,。
　　進入21世紀,，隨著消費類電子產(chǎn)品的普及，嵌入式語音處理技術(shù)發(fā)展迅速[2],?；谡Z音識別芯片的嵌入式產(chǎn)品也越來越多，如Sensory公司的RSC系列語音識別芯片,、Infineon公司的Unispeech和Unilite語音芯片等,，這些芯片在嵌入式硬件開發(fā)中得到了廣泛的應(yīng)用。在軟件上,，目前比較成功的語音識別軟件有:Nuance,、IBM的Viavoice和Microsoft的SAPI以及開源軟件HTK，這些軟件都是面向非特定人,、大詞匯量的連續(xù)語音識別系統(tǒng),。
　　  我國語音識別研究一直緊跟國際水平，國家也很重視,。國內(nèi)中科院的自動化所,、聲學(xué)所以及清華大學(xué)等科研機構(gòu)和高校都在從事語音識別領(lǐng)域的研究和開發(fā)。國家863智能計算機專家組為語音識別技術(shù)研究專門立項,，并取得了高水平的科研成果,。我國中科院自動化所研制的非特定人、連續(xù)語音聽寫系統(tǒng)和漢語語音人機對話系統(tǒng),，其準確率和系統(tǒng)響應(yīng)率均可達90%以上,。
3  語音識別系統(tǒng)
　  　語音識別本質(zhì)上是一種模式識別的過程，未知語音的模式與已知語音的參考模式逐一進行比較,，最佳匹配的參考模式被作為識別結(jié)果,。圖1是基于模式匹配原理的自動語音識別系統(tǒng)原理框圖。

　　(1)預(yù)處理模塊：對輸入的原始語音信號進行處理,，濾除掉其中的不重要的信息以及背景噪聲,，并進行語音信號的端點檢測、語音分幀以及預(yù)加重等處理,。
 　　(2)特征提取模塊：負責(zé)計算語音的聲學(xué)參數(shù),，并進行特征的計算，以便提取出反映信號特征的關(guān)鍵特征參數(shù)用于后續(xù)處理?，F(xiàn)在較常用的特征參數(shù)有線性預(yù)測（LPC)參數(shù),、線譜對（LSP)參數(shù),、LPCC、MFCC,、ASCC,、感覺加權(quán)的線性預(yù)測（PLP)參數(shù)、動態(tài)差分參數(shù)和高階信號譜類特征等[1],。其中,，Mel頻率倒譜系數(shù)（MFCC)參數(shù)因其良好的抗噪性和魯棒性而應(yīng)用廣泛。
　　(3)訓(xùn)練階段：用戶輸入若干次訓(xùn)練語音,，經(jīng)過預(yù)處理和特征提取后得到特征矢量參數(shù),，建立或修改訓(xùn)練語音的參考模式庫。
　　(4)識別階段：將輸入的語音提取特征矢量參數(shù)后與參考模式庫中的模式進行相似性度量比較,，并結(jié)合一定的判別規(guī)則和專家知識（如構(gòu)詞規(guī)則,，語法規(guī)則等)得出最終的識別結(jié)果。
4 語音識別的幾種基本方法
　　當今語音識別技術(shù)的主流算法,，主要有基于動態(tài)時間規(guī)整(DTW)算法,、基于非參數(shù)模型的矢量量化(VQ)方法、基于參數(shù)模型的隱馬爾可夫模型(HMM)的方法,、基于人工神經(jīng)網(wǎng)絡(luò)(ANN)和支持向量機等語音識別方法,。
4.1 動態(tài)時間規(guī)整(DTW)
　　DTW是把時間規(guī)整和距離測度計算結(jié)合起來的一種非線性規(guī)整技術(shù)，是較早的一種模式匹配和模型訓(xùn)練技術(shù),。該方法成功解決了語音信號特征參數(shù)序列比較時時長不等的難題,，在孤立詞語音識別中獲得了良好性能。
4.2 矢量量化(VQ)
　　矢量量化是一種重要的信號壓縮方法,，主要適用于小詞匯量,、孤立詞的語音識別中。其過程是：將語音信號波形的k個樣點的每1幀,，或有k個參數(shù)的每1參數(shù)幀,，構(gòu)成k維空間中的1個矢量，然后對矢量進行量化,。量化時,，將k維無限空間劃分為M個區(qū)域邊界，然后將輸入矢量與這些邊界進行比較,，并被量化為“距離”最小的區(qū)域邊界的中心矢量值,。矢量量化器的設(shè)計就是從大量信號樣本中訓(xùn)練出好的碼書，從實際效果出發(fā)尋找到好的失真測度定義公式,，設(shè)計出最佳的矢量量化系統(tǒng),，用最少的搜索和計算失真的運算量，實現(xiàn)最大可能的平均信噪比。
4.3 隱馬爾可夫模型(HMM)
　　隱馬爾可夫模型是20世紀70年代引入語音識別理論的,，它的出現(xiàn)使得自然語音識別系統(tǒng)取得了實質(zhì)性的突破,。目前大多數(shù)大詞匯量、連續(xù)語音的非特定人語音識別系統(tǒng)都是基于HMM模型的,。
　　HMM是對語音信號的時間序列結(jié)構(gòu)建立統(tǒng)計模型,，將其看作一個數(shù)學(xué)上的雙重隨機過程：一個是用具有有限狀態(tài)數(shù)的Markov鏈來模擬語音信號統(tǒng)計特性變化的隱含的隨機過程，另一個是與Markov鏈的每一個狀態(tài)相關(guān)聯(lián)的觀測序列的隨機過程,。前者通過后者表現(xiàn)出來,，但前者的具體參數(shù)是不可測的。人的言語過程實際上就是一個雙重隨機過程,，語音信號本身是一個可觀測的時變序列,，是由大腦根據(jù)語法知識和言語需要(不可觀測的狀態(tài))發(fā)出的音素的參數(shù)流,。HMM合理地模仿了這一過程,，很好地描述了語音信號的整體非平穩(wěn)性和局部平穩(wěn)性，是較為理想的一種語音模型,。
　　HMM模型可細分為離散隱馬爾可夫模型(DHMM)和連續(xù)隱馬爾可夫模型(CHMM)以及半連續(xù)隱馬爾可夫模型(SCHMM)等[3],。
4.4 人工神經(jīng)元網(wǎng)絡(luò)(ANN)
 　　人工神經(jīng)元網(wǎng)絡(luò)在語音識別中的應(yīng)用是目前研究的又一熱點。ANN實際上是一個超大規(guī)模非線性連續(xù)時間自適應(yīng)信息處理系統(tǒng),，它模擬了人類神經(jīng)元活動的原理,，最主要的特征為連續(xù)時間非線性動力學(xué)、網(wǎng)絡(luò)的全局作用,、大規(guī)模并行分布處理及高度的穩(wěn)健性和學(xué)習(xí)聯(lián)想能力,。這些能力是HMM模型不具備的。但ANN又不具有HMM模型的動態(tài)時間歸正性能,。因此,，人們嘗試研究基于HMM和ANN的混合模型，把兩者的優(yōu)點有機結(jié)合起來,，從而提高整個模型的魯棒性,，這也是目前研究的一個熱點。
4.5 支持向量機（SVM)
    支持向量機是應(yīng)用統(tǒng)計學(xué)習(xí)理論的一種新的學(xué)習(xí)機模型,，它采用結(jié)構(gòu)風(fēng)險最小化原理(SRM),，有效克服了傳統(tǒng)經(jīng)驗風(fēng)險最小化方法的缺點，在解決小樣本,、非線性及高維模式識別方面有許多優(yōu)越的性能[4],。其基本思想可以概括為：首先通過非線性變換將輸入空間變換到一個高維空間，然后在這個新空間中求取最優(yōu)線性分類面,，而這種非線性變換是通過定義適當?shù)膬?nèi)積函數(shù)實現(xiàn)的,。目前，統(tǒng)計學(xué)習(xí)理論和支持向量機也是國際上機器學(xué)習(xí)領(lǐng)域的研究熱點。
5 語音識別所面臨的問題
　　盡管語音識別取得很大成功,，但是距離真正的人機自由交流還有很大的距離,。例如，目前計算機還需要對用戶做大量訓(xùn)練才能更準確識別,，用戶的語音識別率也并不是盡如人意,。主要難題有以下幾個方面：
　　(1)識別系統(tǒng)的適應(yīng)性差。主要體現(xiàn)在對環(huán)境依賴性強,，特別在高噪音環(huán)境下語音識別性能還不理想,。
　　(2)語音識別系統(tǒng)從實驗室演示系統(tǒng)到商品的轉(zhuǎn)化過程中，還有許多具體問題需要解決,。例如,，識別速度、拒識等問題,，還有連續(xù)語音中去除不必要語氣詞如“呃”,、“啊”等語音的技術(shù)細節(jié)問題。
　　(3)語言學(xué),、生理學(xué),、心理學(xué)方面的研究成果已有不少，但如何把這些知識量化,、建模并用于語音識別,，還需要進一步研究。
  　　面對上面的困難,，語音識別技術(shù)要做到真正成功,，在任何環(huán)境中都能人機進行自由地對話，不僅需要語音識別基礎(chǔ)理論的突破,，更需要大量的實際工作的積累,。
6 語音識別技術(shù)的前景展望
　　  語音作為當前通信系統(tǒng)中最自然的通信媒介，語音識別技術(shù)是非常重要的人機交互技術(shù),。隨著計算機和語音處理技術(shù)的發(fā)展,，語音識別系統(tǒng)的實用性將進一步提高。應(yīng)用語音的自動理解和翻譯,，可消除人類相互交往的語言障礙,。國外已有多種基于語音識別產(chǎn)品(如聲控撥號電話、語音記事本等)的應(yīng)用,，基于特定任務(wù)和環(huán)境的聽寫機也已經(jīng)進入應(yīng)用階段,。這預(yù)示著語音識別技術(shù)有著非常廣泛的應(yīng)用領(lǐng)域和市場前景。隨著語音技術(shù)的進步和通信技術(shù)的飛速發(fā)展,，語音識別技術(shù)將為網(wǎng)上會議,、商業(yè)管理,、醫(yī)藥衛(wèi)生、教育培訓(xùn)等各個領(lǐng)域帶來極大的便利[5],，其應(yīng)用和經(jīng)濟,、社會效益前景非常良好。
參考文獻
[1] 王炳錫,，屈丹,，彭煊.實用語音識別基礎(chǔ)[M].北京：國防工業(yè)出版社，2005.
[2] 劉么和,，宋庭新.語音識別與控制應(yīng)用技術(shù)[M].北京：科學(xué)出版社,，2008.
[3] 詹新明，黃南山,，楊燦.語音識別技術(shù)研究進展[J].現(xiàn)代計算機,，2008，291(9)：43-45.
[4] 柳春.語音識別技術(shù)研究進展[J].甘肅科技,，2008,，24(9)：41-43.
[5] 高新濤，陳乖麗.語音識別技術(shù)的發(fā)展現(xiàn)狀及應(yīng)用前景[J].甘肅科技縱橫,，2007,，36(4)：13.