隐马尔科夫模型(Hidden Markov Model,HMM)这种模型是当今社会比较流行 的一种，它是采用统计模式来进行识别的[4]。系统先是把首先把最初的语音信号 提取来进行矢量化处理，然后变成对应的特征向量，可知其语音特征的序列号是

OT  

O ，O

O

时， 再加上声学模型和语言模型的辅助，得到词序列文献综述

1 {  1 2 N }

~

W [23,24]，它的数学表示如下式 2-1：

~ T

式 2-1 中， P(W ) 是语言模型，代表给定序列W 的出现频率； P(OT  | W ) 是声

学模型的序列是W 时， OT 是声学特征的输出频率； P(OT ) 是注意到声学的特征

1 1

OT 现实的概率，与词序列W 的选择没有关联，能被忽视不看。所以，式 2-1 变

成了：

式 2-2 的右半部分取对数，化简可得：

式 2-3 里的 P(OT  | W ) 代表声学成绩，logP(W ) 代表语言成绩，各自通过对应

的算法计算而得到。因为一般都是声学特征库和文本语音库来训练声学模型以及 语言模型的，所以式 2-3 里面用一个可以调控的参数来衡量一个词序列W 的有 益程度。

2.2 语音特征提取来!自~优尔论-文|网www.youerw.com

与识别系统关联较大的就是声学特征，它是用来提取特征的信号参数的。只 有找到合适的信号，才可以把信号应用到识别系统里面，像分类、回归等。从语

音识别上看，每个人都有自己独特的信号，这和个人的性别年龄都是密不可分的， 当然，发音习惯也会有一定的影响，就会使虽然人们发出的声音内容一样，产生 的语音波形也会产生不同的。最重要的就是怎样保证语音的纯粹性，怎样把声音 杂质过滤掉，急需我们研究。