语音识别是机器通过识别和理解过程把语音信号转变为相应的文本文件或命令的高技术。作为专门的研究领域， 语音识别又是一门交叉学科， 它与声学、 语音学、 语言学、 数字信号处理理论、 信息论、 计算机科学等众多学科紧密相连。 语音识别经过四十多年的发展， 已经显示出巨大的应用前景。 本文从实现原理入手， 介绍语音识别系统的实现方式。 1 概述 本汉语语音识别系统是一个非特定人的、 孤立音语音识别系统。 其中孤立音至少包括汉语的 400 多个调音节（不考虑声调） 以及一些常用的词组。 识别系统主要用于手持设备， 如手机、掌上电脑。 这些设备的 C...

　　语音识别是机器通过识别和理解过程把语音信号转变为相应的文本文件或命令的高技术。作为专门的研究领域， 语音识别又是一门交叉学科， 它与声学、 语音学、 语言学、 数字信星空体育 星空体育平台号处理理论、 信息论、 计算机科学等众多学科紧密相连。 语音识别经过四十多年的发展， 已经显示出巨大的应用前景。 本文从实现原理入手， 介绍语音识别系统的实现方式。 1 概述 本汉语语音识别系统是一个非特定人的、 孤立音语音识别系统。 其中孤立音至少包括汉语的 400 多个调音节（不考虑声调） 以及一些常用的词组。 识别系统主要用于手持设备， 如手机、掌上电脑。 这些设备的 CPU 一般是 DSP， 硬件资源十分有限， 而且大多不支星空体育 星空体育平台持浮点运算。 那么，对系统各个部分的设计首要考虑的是系统对硬件资源的开销必须尽量的小， 不能超过这些设备的限制。 硬件资源的开销包括存储模型参数的开销， 以及识别过程中对内存、 DSP 的运行时间的开销。 2 实现流程 一般的语音处理流程图如图 1 所示。 图 1 语音识别系统的处理流图 在语音识别系统中， 模拟的语音信号在完成 A/D 转换后成为数字信号， 但时域上的语音信号很难直接用于识别， 因此需要从语音信号中提取语音的特征， 一方面可以获得语音的本质特征， 另一方面也起到数据压缩的作用。 输入的模拟语音信号首先要进行预处理， 包括预滤波、采样和量化、 加窗、 端点检测、 预加重等。 语音识别系统的模型通常由声学模型和语言模型两部分组成， 分别对应于语音到半音节概率的计算和半音节到字概率的计算。 3 特征提取 目前通用的特征提取方法是基于语音帧的， 即将语音信号分为有重叠的若干帧， 对每一帧提取语音特征。 由于本技术方案采用的语音库采样率为 8 kHz， 因此采用帧长为 256 个采样点（即 32 ms） ， 帧步长或帧移（即每一帧语音与上一帧语音不重叠的长度） 为 80 个采样点（即10 ms） 。 现有语音识别系统采用的最主要的两种语音特征包括： 线性预测倒谱参数（Linear Prediction Cepstrum Coefficient， LPCC） ， 该特征是基于语音信号为自回归信号的假设， 利用线性预测分析获得倒谱参数。 LPCC 参数的优点是计算量小， 对元音有较好的描述能力， 其缺点在于对辅音的描述能力较差， 抗噪声性能较差。