語音信號(hào)處理 第4版 第7章 語音識(shí)別 思考題答案

第7章語音識(shí)別思考題答案語音識(shí)別的目的是什么？語音識(shí)別系統(tǒng)可以怎樣進(jìn)行分類？當(dāng)前，語音識(shí)別的主流方法是什么？語音識(shí)別主要指讓機(jī)器聽懂人說的話，即在各種情況下，準(zhǔn)確地識(shí)別出語音的內(nèi)容，從而根據(jù)其信息，執(zhí)行人的各種意圖。一般語音識(shí)別系統(tǒng)按不同的角度有下面幾種分類方法：（1）孤立詞、連接詞、連續(xù)語音識(shí)別系統(tǒng)以及語音理解和會(huì)話系統(tǒng)；（2）大詞匯、中詞匯量和小詞匯量語音識(shí)別系統(tǒng)；（3）特定人和非特定人語音識(shí)別系統(tǒng)。語音識(shí)別方法一般有模板匹配法、隨機(jī)模型法和概率語法分析法三種。為什么影響語音識(shí)別技術(shù)實(shí)用化的困難是不可低估的？實(shí)用語音識(shí)別研究中存在哪些主要問題和困難？從語音識(shí)別的角度看，語音信號(hào)是隨機(jī)的、多變的，其語法規(guī)則既復(fù)雜又不完全確定，這給獲取完備的規(guī)則以及執(zhí)行高效的算法都帶來了極大的難度。實(shí)用語音識(shí)別研究中仍存在如下問題和困難：（1）語音識(shí)別的一種重要應(yīng)用是自然語言的識(shí)別和理解；（2）語音信息的變化很大；（3）語音的模糊性。（4）單個(gè)字母及單個(gè)詞語發(fā)音時(shí)語音特性受上下文環(huán)境的影響，使相同字母有不同的語音特性。（5）環(huán)境的噪聲和干擾對(duì)語音識(shí)別有嚴(yán)重影響。一個(gè)實(shí)用語音識(shí)別系統(tǒng)應(yīng)由哪幾個(gè)部分組成？語音識(shí)別中常用的語音特征參數(shù)有哪些？什么是動(dòng)態(tài)語音特征參數(shù)？怎樣提取動(dòng)態(tài)語音特征參數(shù)？語音識(shí)別模塊是語音識(shí)別系統(tǒng)的核心部分，其除了包括語音的聲學(xué)模型以及相應(yīng)的語言模型的建立、參數(shù)匹配方法、搜索算法、話者自適應(yīng)算法，還包括增添新詞的功能、數(shù)據(jù)庫管理和友好的人機(jī)交互界面等。識(shí)別參數(shù)可以選擇下面的某一種或幾種的組合：平均能量、過零數(shù)或平均過零數(shù)、頻譜、共振峰、倒譜、線性預(yù)測系數(shù)、偏自相關(guān)系數(shù)、聲道形狀的尺寸函數(shù)，以及音長、音高、聲調(diào)等超聲短信息函數(shù)。此外，Mel倒譜參數(shù)也是常用的語音識(shí)別特征參數(shù)。上述參數(shù)的時(shí)間變化反映了語音特征的動(dòng)態(tài)特性就是動(dòng)態(tài)語音特征參數(shù)。提取的語音特征參數(shù)有時(shí)還要進(jìn)行進(jìn)一步的變換處理，如正交變換、主元素分析、最大可分性變換等，以達(dá)到進(jìn)一步的壓縮處理和模式可分性變換，節(jié)省模式存儲(chǔ)容量和識(shí)別運(yùn)算量，提高識(shí)別性能的目的。給定一個(gè)輸出符號(hào)序列，怎樣計(jì)算HMM對(duì)于該符號(hào)序列的輸出似然概率？對(duì)于任一待識(shí)別的語音，首先將其進(jìn)行預(yù)處理和特征提取，得到對(duì)應(yīng)的特征矢量序列（如果選用的是離散型HMM，則需要進(jìn)行矢量量化）。然后利用HMM的基本算法—前向-后向算法計(jì)算該特征矢量序列在訓(xùn)練好的每個(gè)孤立字（詞）HMM上的輸出概率。什么是孤立字（詞）語音識(shí)別？孤立字（詞）語音識(shí)別有哪些有效方法？簡要說明它們的工作原理。孤立字（詞）識(shí)別系統(tǒng)，顧名思義是識(shí)別孤立發(fā)音的字或詞。常用識(shí)別方法包括：（1）采用判別函數(shù)或準(zhǔn)則的方法。最典型的是貝葉斯準(zhǔn)則，它是一種概率統(tǒng)計(jì)的方法。（2）采用動(dòng)態(tài)時(shí)間規(guī)整的方法。字音的起始點(diǎn)相應(yīng)于路徑的起始點(diǎn)。最優(yōu)路徑起點(diǎn)至終點(diǎn)的距離即為待識(shí)別語音與模板語音之間的距離，與待識(shí)語音距離最小的模板對(duì)應(yīng)的字音即判為識(shí)別結(jié)果。這種方法運(yùn)算量較大，但技術(shù)上較簡單，識(shí)別正確率也較高。在各點(diǎn)的匹配中對(duì)于短時(shí)譜或倒譜參數(shù)識(shí)別系統(tǒng)，失真測度可以用歐氏距離；對(duì)于采用LPC參數(shù)的識(shí)別系統(tǒng)，失真測度可以用對(duì)數(shù)似然比距離。決策方法一般用最近鄰準(zhǔn)則。（3）采用矢量量化技術(shù)的方法。矢量量化技術(shù)在語音識(shí)別的應(yīng)用方面，尤其是在孤立字（詞）語音識(shí)別系統(tǒng)中得到了很好的應(yīng)用。特別是有限狀態(tài)矢量量化技術(shù)，對(duì)于語音識(shí)別更為有效。決策方法一般用最小平均失真準(zhǔn)則。（4）采用HMM技術(shù)的方法。HMM的各狀態(tài)輸出概率密度函數(shù)既可以用離散概率分布函數(shù)表示；也可以用連續(xù)概率密度函數(shù)表示。一般連續(xù)隱馬爾可夫模型要比離散隱馬爾可夫模型計(jì)算量大，但識(shí)別正確率要高。（5）采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)的方法。（6）采用混合技術(shù)的方法。為了彌補(bǔ)單一方法的局限性，可以采用把幾種方法組合起來的辦法。如用矢量量化作為第一級(jí)識(shí)別作為預(yù)處理，從而得到若干候選的識(shí)別結(jié)果，然后再用DTW或HMM方法做最后的識(shí)別。因此，混合技術(shù)包括VQ／DTW和VQ／HMM等識(shí)別方法。為什么在語音識(shí)別時(shí)需要做時(shí)間規(guī)整？因?yàn)檎Z音信號(hào)具有相當(dāng)大的隨機(jī)性，即使是同一個(gè)人在不同時(shí)刻所講的同一句話、發(fā)的同一個(gè)音，也不可能具有完全相同的時(shí)間長度。在進(jìn)行模板匹配時(shí)，這些時(shí)間長度的變化會(huì)影響測度的估計(jì)，從而使識(shí)別率降低，因此時(shí)間伸縮處理必不可少。為什么概率尺度的DP方法可以適用于非特定人的語音識(shí)別？在概率尺度的DP中，條件概率和狀態(tài)轉(zhuǎn)移概率分別應(yīng)怎樣求得？概率尺度DP方法，實(shí)際上相當(dāng)于把語音樣本的每一幀看作一個(gè)模型狀態(tài)的連續(xù)狀態(tài)HMM。因?yàn)槿绻麉⒖紭颖臼荵=Y1,Y2,…,YJ，則其特征矢量的時(shí)間序列是一個(gè)馬爾可夫過程，如果把每一個(gè)特征矢量看作馬爾可夫過程的一個(gè)狀態(tài)，同時(shí)把輸入信號(hào)X=X1,X2,…,XI看作觀察時(shí)間序列并應(yīng)用Viterbi算法，則HMM方法和概率尺度DP方法具有同一關(guān)系式。由于連續(xù)狀態(tài)HMM能較好地描述語音特征矢量的幀間相關(guān)信息，改善HMM的動(dòng)態(tài)特性，可望得到較好的識(shí)別性能。條件概率：狀態(tài)轉(zhuǎn)移概率：連續(xù)語音識(shí)別比孤立語音識(shí)別應(yīng)該多考慮些什么問題？有哪些難題？應(yīng)該如何去加以解決？為什么連續(xù)語音識(shí)別一般要利用語言文法信息？連續(xù)語音識(shí)別需處理語音連貫性、背景噪聲、上下文理解，以及復(fù)雜的語法和語義結(jié)構(gòu)，同時(shí)確保實(shí)時(shí)處理的準(zhǔn)確性。難題：（1）語音處理和語言處理相互之間不施加約束，必然增加許多不必要的中間結(jié)果，從而既增加計(jì)算量又增加誤識(shí)別的可能；（2）兩個(gè)非緊密結(jié)合的模塊之間傳遞信息時(shí)，一般要產(chǎn)生信息丟失，因而影響識(shí)別精度。因此，比較好的方法應(yīng)該是把句法分析的語言處理過程結(jié)合進(jìn)語音識(shí)別過程中，實(shí)現(xiàn)幀同步的語音－語言處理的統(tǒng)合。語言文法信息在連續(xù)語音識(shí)別中被用來提高識(shí)別準(zhǔn)確率，減少搜索空間，并幫助糾正錯(cuò)誤，從而增強(qiáng)系統(tǒng)的整體性能。為什么語音識(shí)別系統(tǒng)的性能評(píng)價(jià)研究很重要？應(yīng)怎樣評(píng)測一個(gè)語音識(shí)別系統(tǒng)的性能好壞？語音識(shí)別系統(tǒng)的性能評(píng)價(jià)研