1、該文工作主要圍繞語(yǔ)音識(shí)別中兩個(gè)既獨(dú)立又相互有聯(lián)系的領(lǐng)域:非特定人語(yǔ)音識(shí)別和語(yǔ)音拒識(shí)算法研究.該文結(jié)合非特定人語(yǔ)音識(shí)別系統(tǒng)的特點(diǎn),提出了一種新的基于音素的非特定人英語(yǔ)語(yǔ)音識(shí)別算法,并在此算法基礎(chǔ)上構(gòu)建了一個(gè)非特定人英語(yǔ)命令詞識(shí)別系統(tǒng).系統(tǒng)的實(shí)現(xiàn)采用了隱馬爾可夫模型工具包(HTK)與Visual C++兩種工具混和使用,提高了整個(gè)系統(tǒng)的開(kāi)發(fā)效率.在識(shí)別階段針對(duì)詞匯量大小采用不同的音素串匹配算法,在一定程度上提高了識(shí)別的質(zhì)量.同時(shí),該文采用話

2、音活性檢測(cè)(VAD)算法和自動(dòng)增益控制(AGC)算法實(shí)現(xiàn)了在不同環(huán)境下的線語(yǔ)音識(shí)別,提高了該系統(tǒng)的實(shí)用性.語(yǔ)音拒識(shí)技術(shù)是從實(shí)驗(yàn)室轉(zhuǎn)向?qū)嶋H應(yīng)用的關(guān)鍵.該文首先研究了當(dāng)前應(yīng)用最為廣泛的在線廢料模型(Online Garbage Model)和反詞模型(Anti-word Model)的算法,分析了它們的優(yōu)缺點(diǎn).然后在此基礎(chǔ)上提出了一種新穎的基于置信度的非特定人語(yǔ)音識(shí)別拒識(shí)算法,該算法同時(shí)考慮了備選假設(shè)模型和多候選的信息,適用于拒識(shí)不正確的識(shí)