4 測度估計

　　測度估計技術可以采用動態時間彎折DTW、隱馬爾可夫模型HMM或人工神經網ANN等算法，本項目采用國際上最先進的HMM，這樣能夠比較容易的實現非特定人，而且系統結構也比較靈活、一致。

　　根據描述的語音單位的大小，HMM可分為：基于整詞模型的HMM（Word based HMM）。其優點為可以很好地描述詞內音素協同發音的特點，建模過程也較為簡單。因此很多小詞匯量語音識別系統均采用整詞模型HMM.但在大詞匯量語音識別中由于所需建立的模型太多而無法使用。

　　基于子詞模型的HMM（Sub Word based HMM）。該類HMM描述的語音單位比詞小，如英語語音識別中的基本音素，漢語語音識別中的半音節等。其優點為模型總數少，所以在大詞匯量語音識別中得到了廣泛的應用。其缺點在于其描述詞內協同發音的能力劣于整詞模型，但由于子詞模型已經得到了非常充分的研究，所以近年來在很多小詞表應用識別系統中也用了子詞模型。本技術方案采用基于半音節（即聲、韻母）的語音建模方法，其識別模型拓撲結構如圖3 所示，其中靜音HMM采用1個狀態，每一聲母模型采用2個狀態，每一韻母模型采用4個狀態。

　　圖3 識別模型拓撲結構

　　根據輸出概率分布的不同，HMM（隱含馬爾科夫模型）可分為：

　　離散HMM（Discrete HMM，DHMM）。其輸出概率是基于一套碼本的離散概率分布，其優點在于由于實現了存儲量和計算量都較小，所需的訓練語音也較少，但其矢量量化的過程會造成性能的損失。

　　連續HMM（Continuous Density HMM，CDHMM）。其輸出概率是連續概率密度函數（一般是高斯混合密度函數）。其所需的訓練語音較多，模型參數存儲量和計算量都較大，在訓練語音足夠時，其性能優于DHMM.

　　半連續HMM（Semi Continuous HMM，SCHMM）。SCHMM是DHMM和CDHMM的折衷，與DHMM相似，其輸出為一套碼本，但每個碼字均為一個連續概率密度分布函數，這一點與CDHMM相近。其性能和所需的訓練語音等均介于DHMM和CDHMM之間。

　　考慮到漢語數碼語音所需的模型較少，很容易獲得足夠多的訓練語音，因此本技術方案采用了CDHMM為語音模型。

　　狀態輸出概率分布為混合高斯密度函數。其各分量計算如下：

　　總的概率輸出即為各分量的加權和：

　　式中：s表示當前狀態；M為混合分量數；u，Σ ，c分別為各混合分量的均值矢量、協方差矩陣和混合分量系數。

　　該算法利用Viterbi譯碼的過程進行幀同步的搜索，易于實時實現，也容易納入語法信息。考慮到系統的實時實現性，本技術方案采用Viterbi譯碼作為系統的搜索算法。

　　5 試驗結果

　　在漢語全音節與詞組混合的語音識別任務中，得到的初步實驗結果為：PC微機浮點算法條件下正確覆蓋率不低于98%，定點算法的正確覆蓋率不低于97%。DSP嵌入系統定點條件下正確覆蓋率不低于96%。系統的響應時間滿足實時識別的要求。通過測試組嚴格的檢查及抽樣測試，證明上述結果真實可靠，該輸入法基本達到實用化要求。

　　6 結語

　　語音漢字輸入技術的研發是具有重大經濟和社會意義的課題，該項目采用孤立語音的全音節和詞組的混合識別模式，使用連續概率分布非特定人的聲學模型，并輔以多候選的人機交互方式，較好地實現了在移動（便攜式）電子設備上資源有限的條件下方便快捷的漢字語音輸入。