摘要
提出了一种语音处理和语言处理按帧同步统合的汉语连续语音识别方法。该方法把基于 ＣＦＧ语言模型和 Ｔｏｐ Ｄｏｗｎ型句法分析器的语言处理过程结合进基于有限状态自动机控制的 Ｏｎｅ Ｐａｓｓ Ｖｉｔｅｒｂｉ语音识别算法中，实现了帧同步的语音语言处理的统合。为完成帧同步句法分析的单词预测和语音识别过程的结合，本文提出了一种类似于Ｅａｒｌｅｙ法的 ＴｏｐＤｏｗｎ型句法分析方法以及 Ｏｎｅ Ｐａｓｓ Ｖｉｔｅｒｂｉ算法中的有限状态自动机动态展开建立法． ６０个音素单位和 ８个声调单位的 ＨＭＭ作为识别用基元模型被用于识别实验，识别结果表明，对于一个识别困难度（Ｐｅｒｐｌｅｘｉｔｙ）为２７．３的任务（Ｔａｓｋ）的识别系统，利用本文提出的方法，１０名话者发音的 １０７０句子的平均识别率达到 ９４．４％，比利用传统的基于单词确认（Ｗｏｒｄ Ｓｐｏｔｔｉｎｇ）以及从单词串（列）（ｌａｔｔｉｃｅ）进行句法分析的阶层性语音·语言统合方式的识别率提高约８％．
This paper presents a method of Chinese continuous speech recognition, which synthesizes speech and language processing with frame-synchronous parsing algorithm. The evolved language processing employs the context free grammar and top down sentence analyzer. The evolved speech processing uses the One Pass Viterbi algorithm based on finite state automaton. In the evaluation experiments, 60 phonemic HMMs and 8 tone HMMs were used. By using the proposed algorithm, we obtained the average sentence recognition rate of 94.4% for 1070 utterances of ten speakers, and an improvement of 8% is obtained in the same task of perplexity 27.3, compared to conventional hierarchical system based on word spotting and lattice parsing algorithm.
出处
《声学学报》
EI
CSCD
北大核心
2001年第1期73-78,共6页
Acta Acustica
基金
国家自然科学基金资助项目!(合同号:69871009)
