人工智能語音識別-課件

語音識別1PPT課件語音識別1PPT課件目錄語音識別的定義語音識別涉及領(lǐng)域語音識別的類型語音識別原理框圖DTW算法語音識別系統(tǒng)應(yīng)用領(lǐng)域語音識別技術(shù)的應(yīng)用發(fā)展方向2PPT課件目錄語音識別的定義2PPT課件語音識別的定義

語音識別技術(shù)就是讓機器通過識別和理解過程把人類的語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，屬于多維模式識別和智能計算機接口的范疇。它是語音信號處理學(xué)科的一個分支。語音識別系統(tǒng)的本質(zhì)就是一種模式識別系統(tǒng)。

常見的語音識別方法有動態(tài)時間歸整技術(shù)(DTW)、矢量量化技術(shù)(VQ)、隱馬爾可夫模型(HMM)、基于段長分布的非齊次隱馬爾可夫模型(DDBHMM)和人工神經(jīng)元網(wǎng)絡(luò)(ANN)3PPT課件語音識別的定義 語音識別技術(shù)就是讓機器通過識別和理解過程把人語音識別涉及領(lǐng)域信號處理物理學(xué)（聲學(xué)）模式匹配通信及信息理論語言語音學(xué)生理學(xué)計算機科學(xué)心理學(xué)4PPT課件語音識別涉及領(lǐng)域信號處理物理學(xué)（聲學(xué)）模式匹配通信及信息理論語音識別的類型

按識別器的類型孤立單詞識別連續(xù)語音識別連續(xù)單詞識別連續(xù)言語識別與理解按識別器對使用者的適應(yīng)情況特定人語音識別非特定人語音識別按語音詞匯表的大小有限詞匯識別無限詞匯識別（全音節(jié)識別）5PPT課件語音識別的類型

按識別器的類型孤立單詞識別連續(xù)語音識別連續(xù)單語音識別原理框圖6PPT課件語音識別原理框圖6PPT課件DTW算法

模板匹配方法的語音識別算法需要解決的一個關(guān)鍵問題是說話人對同一個詞的兩次發(fā)音不可能完全相同。設(shè)參考模板有M幀矢量{R(1)，R(2)，…R(m)，…，R(M)}，R(m)為第m幀的語音特征矢量，測試模板有N幀矢量{T(1)，T(2)，…T(n)，…，T(N)}，T(n)是第n幀的語音特征矢量。d(T(in),R(im))表示T中第in幀特征與R中im幀特征之間的距離，通常用歐幾里德距離表示。7PPT課件DTW算法 模板匹配方法的語音識別算法需要解決的一個關(guān)鍵問題三種匹配模式的對比8PPT課件三種匹配模式的對比8PPT課件DTW算法 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)，它尋找一個規(guī)整函數(shù)im=Ф(in)，將測試矢量的時間軸n非線性地映射到參考模板的時間軸m上，并使該函數(shù)滿足：

D就是處于最優(yōu)時間規(guī)整情況下兩矢量的距離。9PPT課件DTW算法 DTW是把時間規(guī)整和距離測度計算結(jié)合起來的一種非DTW算法通常規(guī)整函數(shù)必須滿足如下的約束條件：邊界限制單調(diào)性限制連續(xù)性限制10PPT課件DTW算法通常規(guī)整函數(shù)必須滿足如下的約束條件：10PPT課件DTW算法

DTW算法的原理圖如圖把測試模板的各個幀號n=1~N在一個二維直角坐標(biāo)系中的橫軸上標(biāo)出，把參考模板的各幀m=1~M在縱軸上標(biāo)出，通過這些表示幀號的整數(shù)坐標(biāo)畫出一些縱橫線即可形成一個網(wǎng)格，網(wǎng)格中的每一個交叉點(ti,rj)表示測試模式中某一幀與訓(xùn)練模式中某一幀的交匯。DTW算法分兩步進(jìn)行，一是計算兩個模式各幀之間的距離，即求出幀匹配距離矩陣，二是在幀匹配距離矩陣中找出一條最佳路徑。11PPT課件DTW算法 DTW算法的原理圖如圖把測試模板的各個幀號n=DTW算法12PPT課件DTW算法12PPT課件DTW算法

搜索從(1,1)點出發(fā)，對于局部路徑約束如圖5-3，點(in,im)可達(dá)到的前一個格點只可能是(in-1,im)、(in-1,im-l)和(in-1,im-2)。那么(in,im)一定選擇這三個距離中的最小者所對應(yīng)的點作為其前續(xù)格點，這時此路徑的累積距離為： D(in,im)=d(T(in),R(im))+min{D(in-1,im),D(in-1,im-1),D(in-1,im-2)}13PPT課件DTW算法 搜索從(1,1)點出發(fā)，對于局部路徑約束如圖5-語音識別系統(tǒng)應(yīng)用領(lǐng)域

電話通信的語音撥號

特別是在中、高檔移動電話上

，現(xiàn)已普遍的具有語音撥號的功能。隨著語音識別芯

片的價格降低，普通電話上也將具備語音撥號的功

能。汽車的語音控制

對汽車的衛(wèi)星導(dǎo)航定位系統(tǒng)（GPS ）的操作，汽車空調(diào)、照明以及音響等設(shè)備的

操作，同樣也可以由語音來方便的控制。工業(yè)控制及醫(yī)療領(lǐng)域

當(dāng)操作人員的眼或手已經(jīng)被占

用的情況下，在增加控制操作時，最好的辦法就是增

加人與機器的語音交互界面。由語音對機器發(fā)出命令

，機器用語音做出應(yīng)答。14PPT課件語音識別系統(tǒng)應(yīng)用領(lǐng)域

電話通信的語音撥號特別是在中、語音識別系統(tǒng)應(yīng)用領(lǐng)域個人數(shù)字助理的語音交互界面

PDA的體積很小

，人機界面一直是其應(yīng)用和技術(shù)的瓶頸之一。由于在 PDA上使用鍵盤非常不便，因此，現(xiàn)多采用手寫體識

別的方法輸入和查詢信息。隨著語音識別技術(shù)的提高

，語音將成為PDA主要的人機交互界面。智能玩具家電遙控

用語音可以控制電視機、VCD、空調(diào)、電扇

、窗簾的操作，而且一個遙控器就可以把家中的電器

皆用語音控起來。15PPT課件語音識別系統(tǒng)應(yīng)用領(lǐng)域個人數(shù)字助理的語音交互界面PDA的體語音識別技術(shù)的應(yīng)用發(fā)展方向一個方向是大詞匯量連續(xù)語音識別系統(tǒng)，主要應(yīng)用于計算機的聽寫機，以及與電話網(wǎng)或者互聯(lián)網(wǎng)相結(jié)合的語音信息查詢服務(wù)系統(tǒng)，這些系統(tǒng)都是在計算機平臺上實現(xiàn)的；另外一個重要的發(fā)展方向是小型化、便攜式語音產(chǎn)品的應(yīng)用，如無線手機上的撥號、汽車設(shè)備的語音控制、智能玩具、家電遙控等方面的應(yīng)用，這些應(yīng)用系統(tǒng)大都使用