补充资料：计算机语音处理

计算机语音处理
computer speech processing

使识别率下降，影响了识别系统的使用效果。语音增强技术的目标，在于改进语音质量，消除背景噪声，提高系统识别率。②语音合成是人机交互的另一重要环节，即让计算机“说话”。让机器将文本语言转换成具有人类语音特点，且抑扬顿挫、自然流利的口头语言决非易事，要真正赋予机器语言功能，必须彻底了解语言是如何产生和感知，以及人类的语言交流是如何进行的。该项技术包括波形编码合成、参数分析合成、规则合成和文一语转换等。③语音编码的作用是实现语音数字化。数字化语音的传输和存储，在可靠性、抗干扰、快速交换、安全和廉价等方面都胜于模拟语音，在未来的综合业务数字网(IsDN)、卫星通信、移动通信、微波接力通信和信息高速公路等系统中，将无一例外地采用数字化语音传输和存储。速率为2．4Kb／s左右的语音编码器，将征性能和实用化方面，接近于64Kb／S的标准PCM编码器。 计算机语音处理的历史，可以追溯到20世纪50年代，其发展过程大体可分为3个阶段：早期的研究主要是基于模板匹配原理；中期的研究是在模板匹配基础上进行扩展，发展线性预测技术、动态规划技术、矢量量化技术等；近期的计算机语音处理，主要是基于隐马尔可夫模型(HMM)的研究及其与人工神经网络的结合。语音信号处理的基础理论和算法研究是紧密结合的两个方面：一方面研究语音的产q三和语音感知的理论，另一方面将语音作为信号来进行处理。60年代，瑞典学者c．范特(c．Fant)提出语音产生的滤波器模型，奠定了现代语音信号处理的理论基础。之后，线性预测技术和同步信号处理算法很快引入语音信号处理，成为语音信号分析、合成的有力工具。70年代初，采用动态时间规正匹配算法，较好地解决r语音特征时域上非线性变化问题。以后，出现了一系列重要算法，其中有语音编码中常用的分析合成方法(简称ABs)，以及各种自适应方法和变换方法；在语音识别方面最重要的有与隐马尔可夫模型有关的一系列算法，以及语言的概率模型；在编码和识别方面很重要的有与矢量量化(VQ)有关的各种算法。人_[神经网络的自适应和自学习能力，对语音识别系统的陡壮性和可靠性起了较大作用。其他一些新理论，如模糊理论、混沌理论和小波信号处理等，在语音信号处理研究中也已得到应用。 计算机语音处理技术在工业、科技、军事等领域已有广泛的应用。

说明：补充资料仅用于学习参考，请勿用于其它任何用途。