➢ SR所面临的挑战
• 语音识别的研究工作大约开始于50年代， 当时AT& T Bell实验室实现了第一个可 识别十个英文数字的语音识别系统—— Audry系统。
• 60年代，计算机的应用推动了语音识别 的发展。这时期的重要成果是提出了动 态规划（DP）和线性预测分析技术 （LP），其中后者较好地解决了语音信 号产生模型的问题，对语音识别的发展 产生了深远影响
• 2.概率模型法
• 利用子词单元构成的隐含马尔柯夫模型， 构成了一个说话人确认系统，每个子词 单元用一个从左至右的HMM描写，每 个模型包含2到3个状态。
提取特征矢量
初试分段
读入一次发音的特征矢量
Viterbi算法重分段
最后一次发音
根据新的语音分段边界，重估计各HMM状态的输出 分布均值和方差，求方差的特征值，特征矢及每次 转移的概率
●collect call——受话人付费电话，命令 字col1ect
●person-person-call——定人呼叫，命令 字person
●third-party-billing-call——第三方付费电 话，命令字third number
●operator-assisted call——话务员协助呼 叫，命令字operator
●credit card call——信用卡呼叫，命令字 calling card
• 6.语音识别的前景
• SR技术发展至今，尽管已经取得了不错 的进展，要寻找更加优良的研究方法仍 然有相当艰巨的路要走。
• 二.语者识别的基本问题
• （1）如何选取能够唯一表征人的有效 而可靠的参量，如何对它进行处理。
●语音识别系统从实验室演示系统到商品 的转化过程中还有许多具体问题需要解 决
• 如果要使语音识别系统性能有大的提高， 就要综合应用语言学、心理学、生理学
以及信号处理等各门学科有关知识，只 用其中一种是不行的
• 4 语音识别的应用
➢AT＆T于1992年开发的VRCP系统 ➢AT ＆ T 800语音识别服务系统 ➢NTT ANSER语音识别银行服务系统 ➢Northen Telecom股票价格行情系统
选择识别单元是语音识别研究的第一 步。语音识别单元有单词（句）、音 节和音素三种，具体选择哪一种，由 具体的研究任务决定。
（2）特征参数提取技术
语音信号中含有丰富的信息，但 如何从中提取出对语音识别有用 的信息呢？特征提取就是完成这 项工作，它对语音信号进行分析 处理，去除对语音识别无关紧要 的冗余信息，获得影响语音识别 的重要信息。
• 3 语音识别的困难与对策
目前，研究工作进展缓慢，主要表 现在理论上一直没有突破。虽然各 种新的修正方法不断涌现，但其普 遍适用性都值得商榷。
●语音识别系统的适应性差， ●高噪声环境下语音识别进展困难
●语言学、生理学、心理学方面的研究成 果应用
●我们对人类的听觉理解、知识积累和学 习机制以及大脑神经系统的控制机理等 分面的认识还很不清楚
2. SR的历史
➢60年代，计算机的应用推动了语音识别 的发展。
➢70年代，语音识别领域取得了突破
➢80年代，语音识别研究进一步走向深入 ➢进入90年代，随着多媒体时代的来临，
迫切要求语音识别系统从实验室走向实
用。
➢我国语音识别研究工作一直紧跟国际水 平，国家也很重视，并把大词汇量语音 识别的研究列入“863”计划，由中科院 声学所、自动化所及北京大学等单位研 究开发。
收敛
结束
构造种子模型 计数器初使化 “语法”约束 模型参数
• （1）语音分析
• （2）初使分段
• （3）训练
• （4）测试
特征提取
说话人1 说话人
• 3.一种基于矢量量化的且与文本无关的 说话人识别系统
• SR的未来
➢虽取得一定进展，还有相当艰巨的路要 走。
（3）模式匹配及模型训练技术
模型训练是指按照一定的准则，从 大量已知模式中获取表征该模式本 质特征的模型参数，而模式匹配则 是根据一定准则，使未知模式与模 型库中的某一个模型获得最佳匹配
• 语音识别所应用的模式匹配和模型训练 技术主要有动态时间归正技术（DTW）、 隐马尔可夫模型（HMM）和人工神经 元网络（ANN）。
（2）易于从语音信号中提取。 （3）不易被模仿。
• 四.说话人识别的几种方法
• 1.模板匹配法
• 模板匹配法的要点是：在训练过程中从 每个说话人发出的训练语句中提取相应 的特征矢量，这些特征矢量能充分描写 各个说话人的行为。这些特征矢量称为 各说话人的模板。它们可以从单词，数 字串或句子中提取。在测试阶段，从说 话人发出的语音信号中按同样的处理方 法提取测试模板，并且与其相应的参考 模板相比较。
说话人识别
• 一.概述
• 1.什么是说话人识别（SR）? • 2.SR的历史 • 3.语音识别技术 • 4.语音识别的困难与对策 • 5 语音识别的应用 • 6.语音识别的前景
1.什么是SR？
• 说话人识别（Speaker Recognition,SR） 技术是以话音对说话人进行区分，从而 进行身份鉴别与认证的技术。
• （2）如何规定相似性的测度使相似性 的计算既简单又可靠。
• （3）考虑到人的状况在不断变化，为 使系统能够可靠工作，如何使它的参考 量不断更新以适应使用者。
语音 分析
模型 产生
模型 存储
特征 提取
距离 测量
识别 判决
身份 声明
三.表征说话人特点的基本特征
这些特征应该具有如下特点：
（1）能够有效地区分不同的说话人，但 又能在同一说话人的语音发生变化时相 对保持稳定。
不同的语音识别系统，虽然具体实现 细节有所不同，但所采用的基本技术 相似，一个典型语音识别系统的实现 过程如图1所示。
语音输入
特征提取
模式匹配
识别结果
模型库 图1 语音识别的实现
• 语音识别技术主要包括特征提取技术、 模式匹配准则及模型训练技术三个方面。 此外，还涉及到语音识别单元的选取
• （1）语音识别单元的选取
3.语音识别技术
• 语音识别系统的分类方式及依据
➢根据对说话人说话方式的要求，可以分 为孤立字（词）语音识别系统，连接字 语音识别系统以及连续语音识别系统
➢根据对说话人的依赖程度可以分为特定 人和非特定人语音识别系统。
➢根据词汇量大小，可以分为小词汇量、 中等词汇量、大词汇量以及无限词汇量 语音识别系统。