論基于機器人的語音識別技術(shù)

王順利　夏長春　付嘉銘

摘 要 語音識別技術(shù)是一個涉及多種學(xué)科的集成技術(shù)，目前已在工業(yè)、軍事和醫(yī)療部門，產(chǎn)品檢驗和人機語音通信等領(lǐng)域取得了廣泛的實際應(yīng)用。語音識別技術(shù)長期以來一直是研究熱點，但現(xiàn)有的語音識別系統(tǒng)運行緩慢，成本高，不方便使用。這些缺點影響了語音識別的速度，系統(tǒng)的硬件實現(xiàn)和應(yīng)用。特別是在吵鬧的環(huán)境中應(yīng)用智能機器人語音識別更是非常困難。用于識別的工業(yè)智能機器人技術(shù)研究也越來越受到人們的關(guān)注。

關(guān)鍵詞 機器人 語音識別 聲學(xué)模型 語音特征參數(shù)

中圖分類號：TP242 文獻標識碼：A

1語音識別技術(shù)的研究意義

人們使用的聲音語言是一種人在特定高度思維和意識活動下的產(chǎn)品。語言是人類最直接以及最理想的交流方式，也是人機通信是最方便的方式。在機器人發(fā)展的高級發(fā)展階段中，機器人的智能語音識別與人類的活動是密切相關(guān)的，有聲語言的人機交互信息成為重要的手段。例如，語音識別獲取外界信息很自然，沒有特殊的訓(xùn)練方法，隨著機器人技術(shù)的發(fā)展和廣泛應(yīng)用，有越來越多的機會來接觸人類和機器人，所以人們希望通過語音識別和機器人去處理，不管誰能能準確安全，方便地操縱機器人。機器人和人類之間的信息交互，表現(xiàn)在兩個方面，一是對更高層次的機器人操作，方便軟件的設(shè)計開發(fā)，這種多為教學(xué)機器人，另一種是在實際操作的要求下完成信息交互任務(wù)的機器人。智能機器人作為機器人技術(shù)發(fā)展的高級階段，其發(fā)展趨勢是：不僅要求機器人具有高度的自治能力，還要使機器人和人類之間的協(xié)調(diào)也具有一定的智能性。這就要求機器人具有不同的高性能主動做事能力，而不是被動地接受任務(wù)，為了實現(xiàn)這一目標，自然語言作為人機信息交換將發(fā)揮越來越重要的作用。目前，智能機器人已成為機器人研究領(lǐng)域的一個熱點。工業(yè)機器人是智能機器人的一個重要研究領(lǐng)域。當今，工業(yè)機器人的發(fā)展方興未艾，巨大的市場潛力，使真正的工業(yè)機器人的已經(jīng)在市場上嶄露頭角，以滿足人們?nèi)找嬖鲩L的需求，我們不能沒有一個高性能的語音識別系統(tǒng)。由于工業(yè)機器人是面向生產(chǎn)實際的需要，最好的工作方式是讓機器人能顧聽懂最常見的人類語言，完成指定的工作，并能與人交流。機器人語音識別是機器人研究領(lǐng)域中的語音識別應(yīng)用，最終的目標是讓機器人了解人們的口頭語言，然后按照人們的命令來行動或反應(yīng)，從而形成一個良好的人機對話系統(tǒng)。為了能夠進一步推動智能機器人的開發(fā)應(yīng)用，因此，在語音識別機器人的研究領(lǐng)域中，機器人語音識別系統(tǒng)是工業(yè)機器人的實際推廣應(yīng)用，具有重要的意義。

語音識別技術(shù)在智能機器人中的應(yīng)用已經(jīng)有很多年的歷史，作為智能機器人的一個分支，工業(yè)機器人得到了迅速發(fā)展，工業(yè)機器人通過語音識別從工業(yè)噪聲中提取有效的語音命令。為了實現(xiàn)機器人在一些特殊工業(yè)環(huán)境中工作的目的，機器人要能夠識別命令意圖。語音識別技術(shù)，可以實現(xiàn)人機對話，從而讓機器能模仿人類完成所有工作的分配，使其在各行各業(yè)中能夠得以應(yīng)用。目前所面臨的實際問題是：噪聲和干擾環(huán)境下對大型工業(yè)機器人的語音識別有嚴重的影響。在機器人識別領(lǐng)域，工業(yè)環(huán)境中的實時性是一個非常重要的任務(wù)。機器人在工業(yè)環(huán)境下應(yīng)用的聽覺識別是使智能機器人發(fā)展速率低的瓶頸。

2語音識別系統(tǒng)的發(fā)展

2.1語音識別系統(tǒng)的發(fā)展方向

語音識別系統(tǒng)是基于一套應(yīng)用軟件系統(tǒng)的硬件平臺和操作系統(tǒng)的一些。語音識別一般分為兩個步驟。第一步是學(xué)習(xí)或培訓(xùn)。這一階段的任務(wù)是建立基本單元的聲學(xué)模型來進行識別和模型的語音語法分析等。第二步是識別或測試。根據(jù)識別系統(tǒng)的類型可以滿足一個識別方法的要求，使用語音分析的方法來分析語音特征參數(shù)，并建立了比較和測量系統(tǒng)模型，根據(jù)一定的標準，鑒定結(jié)果。

語音識別系統(tǒng)的應(yīng)用可分為兩個發(fā)展方向，其中一個是大詞匯連續(xù)語音識別系統(tǒng)，主要應(yīng)用于計算機的聽寫機，以及結(jié)合電話網(wǎng)或互聯(lián)網(wǎng)的語音信息服務(wù)系統(tǒng)，這些系統(tǒng)是在計算機平臺上的一個重要發(fā)展方向。其次是應(yīng)用的小型化，便攜式音頻產(chǎn)品，如無線移動電話的撥號，語音控制車載設(shè)備，智能玩具，家用電器和其他方面的應(yīng)用的遠程控制，這些應(yīng)用系統(tǒng)大多采用特殊的硬件系統(tǒng)來實現(xiàn)，特別是語音信號處理芯片和語音識別芯片，最近幾年快速發(fā)展，為其廣泛應(yīng)用創(chuàng)造了極為有利的條件。

2.2語音識別系統(tǒng)的模型與模式

語音識別系統(tǒng)的核心是聲學(xué)模型和模式分類。首先通過學(xué)習(xí)算法，訓(xùn)練語音聲學(xué)模型的特點是通過學(xué)習(xí)過程來生成聲學(xué)模型，這是識別潛在的模型的前提，是最關(guān)鍵的語音識別系統(tǒng)的一部分。聲學(xué)模型的目的是提供一種有效的方法來計算特征向量的聲音序列和每個發(fā)音模板之間的距離。人的發(fā)音在每一刻發(fā)音之前和之后都會受到影響。

為了模仿自然連續(xù)的協(xié)同發(fā)音和識別不同的發(fā)音，通常需要使用復(fù)雜的聲學(xué)模型。聲學(xué)模型和語言的發(fā)音特點的設(shè)計是密切相關(guān)的。聲學(xué)模型單元大小與單詞發(fā)音，音節(jié)模式和音位語音訓(xùn)練數(shù)據(jù)大小有關(guān)，故要求其系統(tǒng)識別具有很大的靈活性。大詞匯量語音識別系統(tǒng)，通常采用較小的單元和少量的計算，該模型只有較小的存儲容量，減少訓(xùn)練數(shù)據(jù)的數(shù)量，但相應(yīng)的聲音定位和分割問題就顯得更加困難，規(guī)則識別模型變得越來越復(fù)雜。通常大型模型中識別單元包括協(xié)同發(fā)音，這有利于提高系統(tǒng)的識別率，但訓(xùn)練數(shù)據(jù)也相對增加。必須根據(jù)不同語言的特點來識別詞匯，詞匯量大小決定單位大小。

參考文獻

[1] 李昌祿，蘇寒松.？基于單片機平臺下語音識別技術(shù)的應(yīng)用方式[J].實驗室科學(xué)，2009（06）.

[2] 薛同澤，陳書旺.？語音識別的智能門控系統(tǒng)設(shè)計[J].微計算機信息，2008（14）.