机器人语音识别主要模式:频谱图法,LPC法,隐藏式马可

人的发声器官可以分为两个部 分，即声道和声带。如果直接让机器人理解我们说的话，难度比较大，将人类语 言转化为机器人可以理解识别的信号，就是一个很好的途径。如果将整个过程看 为一个信号过程的话，声带是发生源，声道相当于一个谐振时的声带振动，可用 一个脉冲串发生器代替。发一些有声带振动的音时，可用一个脉冲串发生器代 替。发一些无振音的时候，因为声带并不振动，而是从喉管发出的，只是一般的 随机气流，可以用一个噪声发生器代替。上文介绍过，声音的强弱是变化的，用 一个增益因子K 来表示的话

通过上面的办法，我们可以把语音信号转化为机器人能够理解的电信号， 那么机器人又要怎样去理解呢?

由于人类的语言非常复杂，无论哪个民族，其词汇量都非常大，即使是同一个 人，他的发音也随着环境及身体情况的变化而变化。目前在大词汇语音识别方面处 于L先地位的IBM 语音研究小组，就是在70年代开始了大词汇语音识别研究工作 的 。AT&A 的贝尔研究所也开始了一系列有关非特定人语音识别的实验。这一研究 历经10年，其成果是确立了如何制作用于非特定人语音识别的标准模板的方法。

关于语音识别，表4-1介绍了三种主要模式。

频谱图法

将语音信号的频谱沿着时间轴加以展开，制成频谱图。此法是取语音信号的频率 特性作为比较基础。此种方法识别精度一般，适用于对少量语音的识别，及对特定 人说话的场合

LPC法

即线性预估编码法，此法是对语音信号抽取LPC系数，然后与参考样板的LPC系 数加以比较，计算出其间的“差距”。LPC法是模拟人的发音器官构造而设计的。因 此，LPC系数就代表发音器官腔调的不同状态。此法也用于特定人的语音识别

隐藏式马可夫模式

此法可用于非特定人的语音识别。即要识别不同人的发音，并且对同一个人发同一 个音，每次发音也未必一致。这需要有大量的“储存”与“比较”。此法是采用“统 筹”的理论，建立语音的状态转移模式。经大量的语音资料得出模式的“概率”,选 出“相似率”Z高者

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 语音到音节概率的计算和音节到字概率的计算。在声学模型方面，我们介绍一下 HMM 声学模型。

HMM 声学建模：马尔可夫模型的概念是一个离散时域有限状态自动机，隐 马尔可夫模型HMM 是指这一马尔可夫模型的内部状态外界不可见，外界只能看 到各个时刻的输出值。对语音识别系统，输出值通常就是从各个帧计算而得的声 学特征。用HMM 刻画语音信号需作出两个假设，一是内部状态的转移只与上一 状态有关，另一是输出值只与当前状态(或当前的状态转移)有关，这两个假设 大大降低了模型的复杂度。HMM 的打分、解码和训练相应的算法是前向算法、 Viterbi算法和前向后向算法。

总的来说，语音识别技术就是让机器通过识别和理解过程把语音信号转变 为相应的文本或命令的高技术，其技术流程图如图4-17所示。语音识别技术主 要包括特征提取技术、模式匹配准则及模型训练技术三个方面。语音识别技术车 联网也得到了充分的引用，例如在翼卡车联网中，只需按照一键通客服人员口述 要求即可设置目的地直接导航，安全、便捷。语音识别技术正朝着能识别任意人 发音的方向发展。