王順利　夏長(zhǎng)春　付嘉銘

摘 要 語(yǔ)音識(shí)別技術(shù)是一個(gè)涉及多種學(xué)科的集成技術(shù)，目前已在工業(yè)、軍事和醫(yī)療部門(mén)，產(chǎn)品檢驗(yàn)和人機(jī)語(yǔ)音通信等領(lǐng)域取得了廣泛的實(shí)際應(yīng)用。語(yǔ)音識(shí)別技術(shù)長(zhǎng)期以來(lái)一直是研究熱點(diǎn)，但現(xiàn)有的語(yǔ)音識(shí)別系統(tǒng)運(yùn)行緩慢，成本高，不方便使用。這些缺點(diǎn)影響了語(yǔ)音識(shí)別的速度，系統(tǒng)的硬件實(shí)現(xiàn)和應(yīng)用。特別是在吵鬧的環(huán)境中應(yīng)用智能機(jī)器人語(yǔ)音識(shí)別更是非常困難。用于識(shí)別的工業(yè)智能機(jī)器人技術(shù)研究也越來(lái)越受到人們的關(guān)注。

關(guān)鍵詞 機(jī)器人 語(yǔ)音識(shí)別 聲學(xué)模型 語(yǔ)音特征參數(shù)

中圖分類(lèi)號(hào)：TP242 文獻(xiàn)標(biāo)識(shí)碼：A

1語(yǔ)音識(shí)別技術(shù)的研究意義

人們使用的聲音語(yǔ)言是一種人在特定高度思維和意識(shí)活動(dòng)下的產(chǎn)品。語(yǔ)言是人類(lèi)最直接以及最理想的交流方式，也是人機(jī)通信是最方便的方式。在機(jī)器人發(fā)展的高級(jí)發(fā)展階段中，機(jī)器人的智能語(yǔ)音識(shí)別與人類(lèi)的活動(dòng)是密切相關(guān)的，有聲語(yǔ)言的人機(jī)交互信息成為重要的手段。例如，語(yǔ)音識(shí)別獲取外界信息很自然，沒(méi)有特殊的訓(xùn)練方法，隨著機(jī)器人技術(shù)的發(fā)展和廣泛應(yīng)用，有越來(lái)越多的機(jī)會(huì)來(lái)接觸人類(lèi)和機(jī)器人，所以人們希望通過(guò)語(yǔ)音識(shí)別和機(jī)器人去處理，不管誰(shuí)能能準(zhǔn)確安全，方便地操縱機(jī)器人。機(jī)器人和人類(lèi)之間的信息交互，表現(xiàn)在兩個(gè)方面，一是對(duì)更高層次的機(jī)器人操作，方便軟件的設(shè)計(jì)開(kāi)發(fā)，這種多為教學(xué)機(jī)器人，另一種是在實(shí)際操作的要求下完成信息交互任務(wù)的機(jī)器人。智能機(jī)器人作為機(jī)器人技術(shù)發(fā)展的高級(jí)階段，其發(fā)展趨勢(shì)是：不僅要求機(jī)器人具有高度的自治能力，還要使機(jī)器人和人類(lèi)之間的協(xié)調(diào)也具有一定的智能性。這就要求機(jī)器人具有不同的高性能主動(dòng)做事能力，而不是被動(dòng)地接受任務(wù)，為了實(shí)現(xiàn)這一目標(biāo)，自然語(yǔ)言作為人機(jī)信息交換將發(fā)揮越來(lái)越重要的作用。目前，智能機(jī)器人已成為機(jī)器人研究領(lǐng)域的一個(gè)熱點(diǎn)。工業(yè)機(jī)器人是智能機(jī)器人的一個(gè)重要研究領(lǐng)域。當(dāng)今，工業(yè)機(jī)器人的發(fā)展方興未艾，巨大的市場(chǎng)潛力，使真正的工業(yè)機(jī)器人的已經(jīng)在市場(chǎng)上嶄露頭角，以滿(mǎn)足人們?nèi)找嬖鲩L(zhǎng)的需求，我們不能沒(méi)有一個(gè)高性能的語(yǔ)音識(shí)別系統(tǒng)。由于工業(yè)機(jī)器人是面向生產(chǎn)實(shí)際的需要，最好的工作方式是讓機(jī)器人能顧聽(tīng)懂最常見(jiàn)的人類(lèi)語(yǔ)言，完成指定的工作，并能與人交流。機(jī)器人語(yǔ)音識(shí)別是機(jī)器人研究領(lǐng)域中的語(yǔ)音識(shí)別應(yīng)用，最終的目標(biāo)是讓機(jī)器人了解人們的口頭語(yǔ)言，然后按照人們的命令來(lái)行動(dòng)或反應(yīng)，從而形成一個(gè)良好的人機(jī)對(duì)話(huà)系統(tǒng)。為了能夠進(jìn)一步推動(dòng)智能機(jī)器人的開(kāi)發(fā)應(yīng)用，因此，在語(yǔ)音識(shí)別機(jī)器人的研究領(lǐng)域中，機(jī)器人語(yǔ)音識(shí)別系統(tǒng)是工業(yè)機(jī)器人的實(shí)際推廣應(yīng)用，具有重要的意義。

語(yǔ)音識(shí)別技術(shù)在智能機(jī)器人中的應(yīng)用已經(jīng)有很多年的歷史，作為智能機(jī)器人的一個(gè)分支，工業(yè)機(jī)器人得到了迅速發(fā)展，工業(yè)機(jī)器人通過(guò)語(yǔ)音識(shí)別從工業(yè)噪聲中提取有效的語(yǔ)音命令。為了實(shí)現(xiàn)機(jī)器人在一些特殊工業(yè)環(huán)境中工作的目的，機(jī)器人要能夠識(shí)別命令意圖。語(yǔ)音識(shí)別技術(shù)，可以實(shí)現(xiàn)人機(jī)對(duì)話(huà)，從而讓機(jī)器能模仿人類(lèi)完成所有工作的分配，使其在各行各業(yè)中能夠得以應(yīng)用。目前所面臨的實(shí)際問(wèn)題是：噪聲和干擾環(huán)境下對(duì)大型工業(yè)機(jī)器人的語(yǔ)音識(shí)別有嚴(yán)重的影響。在機(jī)器人識(shí)別領(lǐng)域，工業(yè)環(huán)境中的實(shí)時(shí)性是一個(gè)非常重要的任務(wù)。機(jī)器人在工業(yè)環(huán)境下應(yīng)用的聽(tīng)覺(jué)識(shí)別是使智能機(jī)器人發(fā)展速率低的瓶頸。

2語(yǔ)音識(shí)別系統(tǒng)的發(fā)展

2.1語(yǔ)音識(shí)別系統(tǒng)的發(fā)展方向

語(yǔ)音識(shí)別系統(tǒng)是基于一套應(yīng)用軟件系統(tǒng)的硬件平臺(tái)和操作系統(tǒng)的一些。語(yǔ)音識(shí)別一般分為兩個(gè)步驟。第一步是學(xué)習(xí)或培訓(xùn)。這一階段的任務(wù)是建立基本單元的聲學(xué)模型來(lái)進(jìn)行識(shí)別和模型的語(yǔ)音語(yǔ)法分析等。第二步是識(shí)別或測(cè)試。根據(jù)識(shí)別系統(tǒng)的類(lèi)型可以滿(mǎn)足一個(gè)識(shí)別方法的要求，使用語(yǔ)音分析的方法來(lái)分析語(yǔ)音特征參數(shù)，并建立了比較和測(cè)量系統(tǒng)模型，根據(jù)一定的標(biāo)準(zhǔn)，鑒定結(jié)果。

語(yǔ)音識(shí)別系統(tǒng)的應(yīng)用可分為兩個(gè)發(fā)展方向，其中一個(gè)是大詞匯連續(xù)語(yǔ)音識(shí)別系統(tǒng)，主要應(yīng)用于計(jì)算機(jī)的聽(tīng)寫(xiě)機(jī)，以及結(jié)合電話(huà)網(wǎng)或互聯(lián)網(wǎng)的語(yǔ)音信息服務(wù)系統(tǒng)，這些系統(tǒng)是在計(jì)算機(jī)平臺(tái)上的一個(gè)重要發(fā)展方向。其次是應(yīng)用的小型化，便攜式音頻產(chǎn)品，如無(wú)線(xiàn)移動(dòng)電話(huà)的撥號(hào)，語(yǔ)音控制車(chē)載設(shè)備，智能玩具，家用電器和其他方面的應(yīng)用的遠(yuǎn)程控制，這些應(yīng)用系統(tǒng)大多采用特殊的硬件系統(tǒng)來(lái)實(shí)現(xiàn)，特別是語(yǔ)音信號(hào)處理芯片和語(yǔ)音識(shí)別芯片，最近幾年快速發(fā)展，為其廣泛應(yīng)用創(chuàng)造了極為有利的條件。

2.2語(yǔ)音識(shí)別系統(tǒng)的模型與模式

語(yǔ)音識(shí)別系統(tǒng)的核心是聲學(xué)模型和模式分類(lèi)。首先通過(guò)學(xué)習(xí)算法，訓(xùn)練語(yǔ)音聲學(xué)模型的特點(diǎn)是通過(guò)學(xué)習(xí)過(guò)程來(lái)生成聲學(xué)模型，這是識(shí)別潛在的模型的前提，是最關(guān)鍵的語(yǔ)音識(shí)別系統(tǒng)的一部分。聲學(xué)模型的目的是提供一種有效的方法來(lái)計(jì)算特征向量的聲音序列和每個(gè)發(fā)音模板之間的距離。人的發(fā)音在每一刻發(fā)音之前和之后都會(huì)受到影響。

為了模仿自然連續(xù)的協(xié)同發(fā)音和識(shí)別不同的發(fā)音，通常需要使用復(fù)雜的聲學(xué)模型。聲學(xué)模型和語(yǔ)言的發(fā)音特點(diǎn)的設(shè)計(jì)是密切相關(guān)的。聲學(xué)模型單元大小與單詞發(fā)音，音節(jié)模式和音位語(yǔ)音訓(xùn)練數(shù)據(jù)大小有關(guān)，故要求其系統(tǒng)識(shí)別具有很大的靈活性。大詞匯量語(yǔ)音識(shí)別系統(tǒng)，通常采用較小的單元和少量的計(jì)算，該模型只有較小的存儲(chǔ)容量，減少訓(xùn)練數(shù)據(jù)的數(shù)量，但相應(yīng)的聲音定位和分割問(wèn)題就顯得更加困難，規(guī)則識(shí)別模型變得越來(lái)越復(fù)雜。通常大型模型中識(shí)別單元包括協(xié)同發(fā)音，這有利于提高系統(tǒng)的識(shí)別率，但訓(xùn)練數(shù)據(jù)也相對(duì)增加。必須根據(jù)不同語(yǔ)言的特點(diǎn)來(lái)識(shí)別詞匯，詞匯量大小決定單位大小。

參考文獻(xiàn)

[1] 李昌祿，蘇寒松.？基于單片機(jī)平臺(tái)下語(yǔ)音識(shí)別技術(shù)的應(yīng)用方式[J].實(shí)驗(yàn)室科學(xué)，2009（06）.

[2] 薛同澤，陳書(shū)旺.？語(yǔ)音識(shí)別的智能門(mén)控系統(tǒng)設(shè)計(jì)[J].微計(jì)算機(jī)信息，2008（14）.