• 使3G手机上植入更精确更复杂的自动语音识别 (ASR)功能成为可能。目前，基本ASR应用可以分 成三大类：1. 语音-文本转换(语音输入)；2. 讲者识 别；3. 语音命令控制(语音控制)。

　　• 这三类功能包含了3G所需的众多ASR性能。语音文本转换的典型实例是语音拨号和电子邮件听写。 讲者识别功能可以通星空体育网站 星空体育首页过语音识别安全地读出存储器 中的个人数据，从而满足信用卡定购和银行服务等 保密性高的应用需要。语音命令控制功能包括连接 语音扩展标记语言(VXML)网站内容的语音接口，它 支持财经服务与目录助理等业务。目前VXML被用 于规范网站内容的语音标签。

　　立在“短时”的基础上，即进行“短时分 析”，将语音信号分为一段一段来分析其 特征参数，其中每一段称为“一帧”，帧 长一般取为10-30ms。这样，对整体的语音 信号来讲，分析出的是由每一帧特征参数 组成的特征参数时间序列。

　　语音信号中含有丰富的信息，但如何从中提取 出对语音识别有用的信息呢？特征提取就是完成这 项工作，它对语音信号进行分析处理，去除对语音 识别无关紧要的冗余信息，获得影响语音识别的重 要信息。特征提取一般要解决两个问题，一个是从 语音信号中提取（或测量）有代表性的合适的特征 参数（即选取有用的信号表示）另一个是进行适当 的数据压缩。目前。语音识别技术中应用最流行的 特征参数是基于人的声道模型和听觉机理的LPCC， LPCMCC, MFCC 和ZCPA(语音的上升过零率和非线性 幅度)方法提取语音的特征参数。

　　◆ 不同的语音识别系统，虽然具体实现细节有所不 同，但所采用的基本技术相似，一个典型语音识别系 统的实现过程如图1所示。

　　待识别的语音经过话筒变换成电信号后加在识 别系统的输入端，首先要经过预处理，预处理预处 理包括反混叠失真滤波、预加重和端点检测。等。 经过预处理后，按照一定的特征提取方法产生语音 特征参数，这些特征参数的时间序列便构成了待识 别语音的模式，将其与已经存储在计算机内的参考 模式逐一进行比较(模式匹配)，最佳匹配(由判决规 则确定) 的参考模式便是识别结果。参考模式是在系 统使用前获得并存储起来的，为此，要输入一系列 已知语音信号，提取它们的特征作为参考模式，这 一过程称为训练过程。

　　2.OMAP平台可使应用程序开发人员无须深入了解 DSP基础硬件架构或算法即可利用这些高级功能。 高级应用程序接口(API)方便地获得DSP加速算法， 兼容主流的几乎所有的操作系统，Linux、Palm OS、Symbian OS、Windows Mobile。

　　• 低硬件要求：程序加模型所需存储空间100kB～300kB，在 手机、PDA上能够实时识别；

　　• 能够识别国标二级６７６３汉语单字、几百条常用词汇、短 信用语；（可以更换字符集和字库），保证任何汉字的输入；

　　• 高精度汉语语音识别技术，十选覆盖率 98%（其它两个参考 指标：首选识别率为75%，三选覆盖率为 92%）；

　　语音识别的研究工作大约开始于五十年代，当时AT& T Bell 实验室实现了第一个可识别十个英文数字的语音识别系统— Audry系统。 六十一年代，计算机的应用推动了语音识别的发展。这时期的 重要成果是提出了动态规划(DP)和线性预测分析技术(LP)，而 后者较好地解决了语音信号模型的问题，对语音识别的发展产 生了深远影响。 七十年代，语音识别领域取得了突破。在理论上，LP技术得到 进一步发展，动态时间规整技术(DTW)基本成熟，特别是提出了 矢量量化(VQ)和隐马尔可夫模型(HMM)理论。在实践上，实现了 基于线性预测倒谱和DTW技术的特定人孤立语音识别系统.

　　技术”。因为语音信号从整体来看，其特 性及表征其本质特性的参数均是随时间而 变化的，所以它时一个非平稳态过程。不 能用处理平稳信号的数字信号处理技术对 其进行分析处理。但是从另一方面看，在 一个短时间范围内（一般认为在10－30ms 的短时间内）。其特性基本保持不变，即 相对稳定，因而可以将其看作是一个准稳 态过程。即语音信号具有短时平稳性。

　　• 根据对说话人说话方式的要求，可以分为孤立字 （词）语音识别系统，连接字语音识别系统以及 连续语音识别系统。

　　• 根据词汇量大小，可以分为小词汇量、中等词汇 量、大词汇量以及无限词汇量语音识别系统。

　　1.多为中、小词汇量的语音识别系统，即只能够识别10~100 词条。 2.一般仅限于特定人语音识别的实现，即需要让使用者对所 识别的词条先进行学习或训练,这一类识别功能对语种、方言 和词条没有限制。 3.由此芯片组成一个完整的语音识别系统。因此，除了语音 识别功能以外，为了有一个好的人机界面和识别正确与否的 验证，该系统还必须具备语音提示（语音合成）及语音回放 （语音编解码记录）功能。 4.多为实时系统，即当用户说完待识别的词条后，系统立即 完成识别功能并有所回应，这就对电路的运算速度有较高的 要求。 5.除了要求有尽可能好的识别性能外，还要求体积尽可能小、 可靠性高、耗电省、价钱低等特点。

　　语音特征参数是分帧提取的，每帧特征 参数一般构成一个矢量，因此语音特征量 是一个矢量序列。语音信号中提取出来的 矢量序列经过数据压缩后便成为语音的模 板。显然，特征的选取对识别效果至关重 要，选择的标准应尽量满足以下两个要求：

　　(1)能有效的代表语音特征，包括声道特征 和听觉特征，具有很好的区分性。

　　◆ 语音识别技术简介 ◆ 特征提取算法 ◆ RBF识别网络 ◆ 语音识别系统

　　语音识别最基本的定义是“电脑能听懂人类说话 的语句或命令，而做出相应的工作”。也就是说， 如果电脑配置有“语音识别”的程序组，那么当你 的声音通过一个转换装置输入电脑内部、并以数位 方式存储后,语音识别程序便开始以你的声音样本 与事先存储好的声音样本进行对比工作.声音对比 工作完成后,电脑就会输出一个它认为最“象”的 声音样本序号，由此可以知道你刚才念的声音是什 么意义，进而执行命令。计算机自动语音识别的任 务就是研究如何利用计算机从人的声学语音信号中 提取有用信息，并从中确定语音信号的语言含义。 其应用背景及学科基础如图所示。其最终目标是实 现人与机器进行自然语言通信。

　　• 解决了向基本的 RISC 添加 DSP难以为循环 缓冲、位反转、并行移动以及硬件回路等提 供面向 DSP 寻址等缺陷

　　• DSP 桥接器提供了ARM与DSP之间的链接， 而无需涉及太多的细节，DSP 桥接器基本上 能够导出一系列 API 到运行于 ARM 上的多 媒体引擎，以便访问 DSP 资源。

　　• 大词汇量连续语音识别系统，主要应用于计算机 的听写机，以及与电话网或者互联网相结合的语 音信息查询服务系统，这些系统都是在计算机平 台上实现的；

　　• 小型化、便携式语音产品的应用，如无线手机上 的拨号、汽车设备的语音控制、智能玩具、家电 遥控等方面的应用，这些应用系统大都使用专门 的硬件系统实现。

　　• 高准确度音调识别技术，准确率高于９５％； • 采用国际领先的基于统计模型ＨＭＭ的非特定人语音识别技

　　术，无需学习，适用于各个年龄使用者，对方言也有一定的 适应能力； • 在线累计式说话人自适应技术，使设备在使用中不知不觉的 被喂熟，自学习功能使输入的准确率随着பைடு நூலகம்用时间直线上 升； • 词汇随时自定义，每增加１００条词汇仅占用１至２Ｋ存储 空间；

　　• 自动调整功能包含词频动态调整和低频自动屏蔽，在使用中 可以动态调整侯选词词序而提高输入速度；

　　• 采用单字和词组混合模式的输入速度为每分钟２０到５０个 汉字，已接近或超过用户在ＰＣ机上的汉字输入速度；

　　• 大大降低了手指的疲劳程度，在多数情况下，首选识别结果 准确时，用户无需手动干预；

　　语音识别所遇到的难题是搜索最佳识别结果和 参数训练。目前，语音识别所应用的模式匹配和模 型训练技术主要有动态时间归正技术（DTW）、隐 马尔可夫模型（HMM）和人工神经元网络（ANN）。 由于人工神经网络中大量神经元并行分布运算的原 理、高效的学习算法以及对人的认知系统的模仿能 力等都使它极适宜于解决类似于语音识别这一类课 题，它既适用于底层又适用于顶层。人工神经网络 是在模拟人脑神经组织的基础上发展起来的全新的 计算系统，它是由大量计算单元通过丰富联结构成 的复杂的网络。在一定程度上反映了人脑功能的若 干基本特性，是一种更接近于人的认知过程的计算 模型。

　　(2)特征参数要计算方便，在保持高识别率 的情况下，最好有高效的计算方法，以减 小存储要求并保证语音识别的实时实现。

　　（1）线性预测系数（LPC） （2） LPC倒谱系数（LPCC） （3）Mel频率倒谱系数（MFCC）

　　(4 ) LPC美尔倒谱系数（LPCMCC） （4）zcpa特征（过零率与峰值幅度特征：

　　语音识别具有广阔的应用前景,随着信息产业和互联 网的快速发展，对语音识别的需求也更加迫切。比如在 声讯服务中，要实时查询股票交易、航班动态、车站票 务动态等，用传统的声讯技术已难以胜任，而用语音技 术则能解决这些海量信息的动态查询。还有，人们希望 在嵌入式系统中做成无处不在的信息家电，希望把因特 网上的信息用电话送到千家万户，还有一个更美好的愿 望，就是在不久的将来，能够把语音、图像、动画与互 联网技术相结合，造就虚拟现实的新一代多妈体，语音 技术大大降低了人们迈进信息时代的门槛，并开辟了许 多新的信息服务及应月领域，它现在形成一个新兴的产 业。正因为如此，世界各国不仅把语音技术列入了高技 术研究计划，而且作为21世纪信息产业的重要竞争市场。

　　OMAP（Open Multimedia Applications Platform 开放式 多媒体应用平台）是TI公司针对移动通讯以及多媒体 嵌入应用系统开发的一套应用处理器架构体系。

　　1.为加速信号处理的速度，OMAP平台的内核软件 组件允许应用程序利用数字信号处理器（DSP）， 从而提高终端应用性能。

　　• 组词功能自然衍生高精度语音人名拨号（Name_dialing）功 能，而且容量比现有手机中的人名识别技术高一个数量级 （从10-20到100-200），成十倍地提高用户查找电话本的时 间；

　　• 便捷友好的交互界面，与现有系统兼容，充分考虑用户习惯； • 采用人耳仿生学原理设计的语音识别特征提取算法，大大提

　　进入九十年代，随着多媒体时代的来临迫切要求语音识 别系统从实验室走向实用。许多发达国家如美国、日本、 韩国以及IBM, Apple, AT&T, NTT等著名公司都为语音识别 系统的实用化开发投以巨资.

　　我国语音识别研究工作起步于五十年代，但近年来发 星空体育网站 星空体育首页展很快，研究水平也从实验室逐步走向实用。从1987年开 始执行国家863计划后，国家863智能计算机专家组为语 音识别技术研究专门立项，每两年滚动一次。我国语音识 别技术的研究水平已经基本上与国外同步，在汉语语音识 别技术上还有自己的特点与优势，并达到国际先进水平。 其中，具有代表性的研究单位是清华大学电子工程系与中 科院自动化研究所模式识别国家重点实验室。