文档介绍：新疆大学硕士学位论文摘要目前,语音识别研究进入连续语音识别的高级阶段,而大词汇量连续语音识别系统精确度不高,得到高识别率的语音识别结果的方法是用统计模型技术。本文用统计模型的方法设计语音识别的声学分析,研究了基于HMM模型的维吾尔语连续数字语音识别的语音库建立、声学模型建立和语言模型建立等关键技术,并利用HTK(HMMToolKit)工具实现了维吾尔语连续数字语音识别系统。本文的具体工作如下:(1)建立了一个适合于维吾尔语连续数字识别的小型语音语料库。按照语音语料库评价规范建立了相关语音库和文本库信息。(2)利用HTK工具建立了维吾尔语连续数字语音声学模型(隐马尔可夫模型),并对模型进行了改进和优化。引入了上下文相关的三音素模型,解决了维吾尔语的音联和协同发音问题。使用了中间树、三音子绑定、修补哑音、高斯混合分量的增加等算法,不断地调整系统模板参数,使HMM模型参数向最佳状态逼近。(3)建立了基于规则的语言模型,使语法、语义知识和语音识别过程有效的结合。用广度优先算法搜索词节点网络,在识别率相似或相近的情况下,用语言模型排除掉不符合语义结构的可能句子,提高了识别率和减少搜索范围,这也是本文的主要创新之处。(4)用Visual“+的进行二次开发,修改语音识别器,使其可以脱离CMD命令的方式而独立运行,改单线程为多线程,增加对内存的管理,生***机对话的应用程序。(5)最后使用编译好的语音识别器,进行了实验。实验分三种:不同识别基元、增加高斯混合分量的数目、建立上下文相关和无关的语言模型对系统识别率影响的比较a通过实验结果分析、验证了系统提出的单音素和三音素建模技术,和上下文相关的语言模型的组织框架的可实施性。%,词识别率达到91.】9%。关键词:维吾尔语、连续数字识别、HTK、语言模型、隐马尔可夫模型新疆大学硕士学位论文AbstractPresently,speechrecognitiongoesintothelargevocabulary,’,includingspeechcorpus,(HMMtoolkit)tool,Uighurcontinuousspeechrecognitionsystemrealized,inthispaper,workasfollows:(1)AsuitablesmallcorpusisestablishedofUighurconnecteddigitspeechrecognition,ordingwiththestandardofcorpus.(2)Uighurconnecteddigitspeechrecognition’,establishingaudibledictionariesandtriphones-binding,mendingmute,ponentsofalgorithmandadjustingsystemtemplateparameters,theHMMmodelparameterscouldbequitewelloptimized.(3),-,