語音處理

語音處理(speech signal processing)用以研究語音發聲過程、語音信號的統計特性、語音的自動識別、機器合成以及語音感知等各種處理技術的總稱。由於現代的進音處理技術都以數字計算為基礎，並藉助微處理器、信號處理器或通用計算機加以實現，因此也稱數字語音信號處理。

基本介紹

• 中文名：語音處理
• 外文名：speech signal processing
• 套用學科：通信

定義

語音信號處理的研究起源於對發音器官的模擬。1939年美國H．杜德萊(H．Dudley)展出了一個簡單的發音過程模擬系統，以後發展為聲道的數字模型。利用該模型可以對語音信號進行各種頻譜及參數的分析，進行通信編碼或數據壓縮的研究，同時也可根據分析獲得的頻譜特徵或參數變化規律，合成語音信號，實現機器的語音合成。利用語音分析技術，還可以實現對語音的自動識別，發音人的自動辨識，如果與人工智慧技術結合，還可以實現各種語句的自動識別以至語言的自動理解，從而實現人機語音互動應答系統，真正賦予計算機以聽覺的功能。

語言信息主要包含在語音信號的參數之中，因此準確而迅速地提取語言信號的參數是進行語音信號處理的關鍵。常用的語音信號參數有：共振峰幅度、頻率與頻寬、音調和噪音、噪音的判別等。後來又提出了線性預測係數、聲道反射係數和倒譜參數等參數。這些參數僅僅反映了發音過程中的一些平均特性，而實際語言的發音變化相當迅速，需要用非平穩隨機過程來描述，因此，20世紀80年代之後，研究語音信號非平穩參數分析方法迅速發展，人們提出了一整套快速的算法，還有利用最佳化規律實現以合成信號統計分析參數的新算法，取得了很好的效果。

當語音處理向實用化發展時，人們發現許多算法的抗環境干擾能力較差。因此，在噪聲環境下保持語音信號處理能力成為了一個重要課題。這促進了語音增強的研究。一些具有抗干擾性的算法相繼出現。當前，語音信號處理日益同智慧型計算技術和智慧型機器人的研究緊密結合，成為智慧型信息技術中的一個重要分支。

語音信號處理是一門多學科的綜合技術。它以生理、心理、語言以及聲學等基本實驗為基礎，以資訊理論、控制論、系統論的理論作指導，通過套用信號處理、統計分析、模式識別等現代技術手段，發展成為新的學科。1965年出版的《語音的分析、合成與感知（J．L．Flanagan著），1976年出版的《語音信號線性預測》(J．Q．Makoul與A．H．Gray著），以及1978年出版的《語音信號數字處理R．Rabiner和R．W．Shafer著）等教材比較全面地反映了這門學科的一些基本理論、 方法及成果。我國學者吳宗濟、林茂燦主編的《實驗語音學概要》，從語音產生的物理基礎、生理基礎、語音知覺的心理基礎以及元音、輔音和聲調特徵等方面，給出了較詳細的實驗研究方法和數據。80年代後期開始對聽覺器官耳蝸的研究，為研究非線性語音處理方法提供了可供借鑑的依據。高速信號處理器的迅速發展，神經網路模擬晶片的研究成功，為實現實時語音處理系統創造了物質條件，使大批語音處理技術實際套用於生產、國防等許多部門。

語音信號處理在通信、國防等部門中有著廣闊的套用領域。為了改善通信中語言信號的質量而研究的各種頻響修正和補償技術，為了提髙效率而研究的數據編碼壓縮技術，以及為了改善通信條件而研究的噪聲抵消及干擾抑制技術，都與語音處理密切相關。在國防通信及指揮部門中，套用語音處理，可以實現在各種不同通信條件下的話帶保密通信，計算機網路中的話音和數據綜合通信，在強噪聲環境(例如，髙性能戰鬥機，直升機環境和戰場指揮所等）中使用的語音識別裝置，克服強幹擾影響語音降質的噪聲消除裝置，說話人識別與說話人證實，以及各種先進空中交通控制用的互動式語音識別/合成接口等等，都是現代指揮自動化的重要組成部分。在金融部門套用語音處理，開始利用說話人識別和語音識別實現根據用戶語音自動存款、取款的業務。在儀器儀表和控制自動化生產中，利用語音合成讀出測量數據和故障警告。隨著語音處理技術的發展，可以預期它將在更多部門得到套用。

儘管語音處理的研究已經經歷了將近50年的歷史，取得了許多成果，但是還面臨著一系列理論和方法上的實際問題。例如在編碼技術方面，中速編碼已經可以提供滿意的通信音質，那么低速編碼是否也能突破低通信音質的局限，達到電話音質的要求？在識別方面，連續語音的分割，大詞量語音的識別和識別任何人的語音等方面尚無可靠的辦法。在語音理解方面，關於語義信息的定性描述和定量估計，都還沒有統一的計算方法等，這些都是今後研究的重要方向。

圖1 語音識別技術原理圖

語音理解

語音理解(speech understanding) 利用知識表達和組織等人工智慧技術進行語句自動識別和語意理解。同語音識別的主要不同點是對語法和語義知識的充分利用程度。

語音理解起源於美國，1971年，美國遠景研究計畫局(ARPA)資助了一個龐大的研究項目，該項目要達到的目標叫做語音理解系統。由於人對語音有廣泛的知識，可以對要說的話有一定的預見性，所以人對語音具有感知和分析能力。依靠人對語言和談論的內容所具有的廣泛知識，利用知識提高計算機理解語言的能力，就是語音理解研究的核心。

利用理解能力，可以使系統提高性能：①能排除噪聲和嘈雜聲；②能理解上下文的意思並能用它來糾正錯誤，澄清不確定的語義；③能夠處理不合語法或不完整的語句。因此，研究語音理解的目的，可以說是與其研究系統仔細地去識別每一個單詞，倒不如去研究系統能抓住說話的要旨更為有效。

一個語音理解系統除了包括原語音識別所要求的 部分之外，還須添入知識處理部分。知識處理包括知識的自動收集、知識庫的形成，知識的推理與檢驗等。當然還希望能有自動地作知識修正的能力。因此語音理解可以認為是信號處理與知識處理結合的產物。語音知識包括音位知識、音變知識、韻律知識、詞法知識、句法知識，語義知識以及語用知識。這些知識涉及實驗語音學、漢語語法、自然語言理解、以及知識搜尋等許多交叉學科。

初步研製成功的語音理解系統稱為HEARSAY系統。它是利用一種公用“黑板"作為知識庫，環繞此黑板的是一系列專家系統，分別提取及搜尋有關音位、音變……等各種知識。以後能進一步達到預計目標的系統是HARPY系統，該系統用語言的有限狀態模型，通過唯一的一個統一的網路把彼此分離的各種知識源集中起來，這個統一的網路，稱為知識編譯器。不同理解系統在利用知識的策略或組織方面各有不同的特點。

完善的語音理解系統是人們夢寐以求的研究理想，但這並非短期內能夠完全解決的研究課題。然而面向確定任務的語音理解系統，例如只涉及有限的辭彙量，有一般比較通用的說話句型的語音理解系統，以及可供一定範圍的工作人員使用的語音理解系統，是可以實現的。因此，它對某些自動化套用領域已有實用價值，例如飛機票預售系統、銀行業務、旅館業務的登記及詢問系統等。

語音識別

語音識別（speech recognition) 利用計算機自動對語音信號的音素、音節或詞進行識別的技術總稱。語音識別是實現語音自動控制的基礎。

語音識別起源於20世紀50年代的“口授打字機”夢想，科學家在掌握了元音的共振峰變遷問題和輔音的聲學特性之後，相信從語音到文字的過程是可以用機器實現的，即可以把普通的讀音轉換成書寫的文字。語音識別的理論研究已經有40多年，但是轉入實際套用卻是在數位技術、積體電路技術發展之後，現在已經取得了許多實用的成果。

語音識別一般要經過以下幾個步驟：①語音預處理，，包括對語音的幅度標稱化、頻響校正、分幀、加窗和始末端點檢測等內容。②語音聲學參數分析，包括對語音共振峰頻率、幅度等參數，以及對語音的線性預測參數、倒譜參數等的分析。③參數標稱化，主要是時間軸上的標稱化，常用的方法有動態時間規整（DTW)，或動態規劃方法(DP）。④模式匹配，可以採用距離準則或機率規則，也可以採用句法分類等。⑤識別判決，通過最後的判別函式給出識別的結果。

語音識別可按不同的識別內容進行分類：有音素識別、音節識別、詞或詞組識別；也可以按辭彙量分類：有小辭彙量（50個詞以下）、中詞量（50~500個詞）、大詞量（500個詞以上）及超大詞量（幾十至幾萬個詞）。按照發音特點分類：可以分為孤立音、連線音及連續音的識別。按照對發音人的要求分類：有認人識別，即只對特定的發話人識別，和不認人識別，即不分發話人是誰都能識別。顯然，最困難的語音識別是大詞量、連續音和不識人同時滿足的語音識別。