一种基于HTK的数字语音识别系统

2011 年 第20卷 第 9 期 doc.guandang.net 计 算 机 系 统 应 用

一种基于HTK的数字语音识别系统

魏 巍，张海涛

(辽宁工程技术大学 电子与信息工程学院，葫芦岛 125105）

①

摘 要：数字语音识别是语音识别一个极其重要的分支，其在现实生活中的应用愈加广泛。HTK是英国剑桥大学开发的一套基于C语言的语音处理工具箱，广泛应用于语音识别、语音合成、字符识别和DNA排序等领域。从HTK的基本原理和软件结构出发，设计了一个基于HTK的数字语音识别系统，并验证了其识别效率。随后，通过更换识别单元，更改特征参数的维数和增加高斯混合分量的个数来考虑不同因素对系统性能的影响。最后，通过比较试验，验证了识别单元、高斯混合分量的数目以及MFCC维数的适当组合可提高系统的正确识别率。 关键词：语音识别；HTK；HMM；识别单元；MFCC

Digital Speech Recognition System Based on HTK

WEI Wei, ZHANG Hai-Tao

(School of Electronics and Information Engineering, Liaoning Technical University, Huludao 125105, China)

Abstract: Digital speech recognition is an extremely important branch of speech recognition. Its application in real life is used more and more widely. HTK is a C language-based toolkit developed by CUED mainly used for speech signal reorganization, speech synthesis, character reorganization, DNA compositor and so on. From HTK’s general principles and software architecture, this paper designs a digital speech recognition system based on HTK, and verifies its recognition efficiency. Then by changing the identification unit and MFCC dimension, and by increasing the number of gaussian mixture components, it considers effects of different factors on the performance of the system. Finally, through the comparing test, it verifies the right combination of the identification unit and the number of gaussian mixture components, and also proves that MFCC dimension can enhance the system’s correct rate. Key words: speech recognition; HTK; HMM;identification unit; MFCC

虽然这方面的研究有很多，但目前仍有许多问题有待进一步探索。本文结合隐马尔可夫模型原理，利用HTK（HMMToolKit）语音处理工具箱，实现了数字语音识别系统的设计。并且从识别单元（音节和声韵母）、更改特征参数的维数和增加高斯混合分量的个数来考虑选取不同因素的情况下对本系统性能的影响。最终，通过实验证明了识别单元、高斯混合分量的数目以及MFCC维数的适当组合可提高系统的正确识别率。

隐马尔可夫模型是一种用参数表示的，用于描述随机过程统计特性的概率模型，它是由马尔可夫链演变而来的。如果在分析的区间内信号是非时变或平稳

System Construction 系统建设 17

1 引言

随着计算机与信息技术的继续发展，语音交互技术必将成为人机交互的必要手段[1]。语音识别技术就是让机器听懂人类的语音并执行相关的动作，是一个研究的热点。语音识别系统根据不同的准则可以分为孤立词、连接词和连续词识别；小词汇量、大词汇量识别；特定人、非特定人的语音识别系统。连续数字语音识别是语音识别的一个重要分支，数字语音识别，尤其是连续数字识别无论在大词表的语音识别系统还是小词表语音识别系统中都具有重要的意义，因此，它在现实中具有广泛的应用前景，在互联网，通信，军事，国防，人机交互等方面都有重要的应用价值。 ① 收稿时间:2010-12-16;收到修改稿时间:2011-04-10