文档介绍：第一章绪论
通过语音相互传递信息是人类最重要的基本功能之一。语言是人类特有的功能。声音
是人类常用工具,是相互传递信息的最重要的手段。虽然,人可以通过多种手段获得外界信
息,但最重要、最精细的信息源只有语言、图像和文字三种。与用声音传递信息相比,显然用
视觉和文字相互传递信息,其效果要差得多。这是因为语音中除包含实际发音内容的语言
信息外,还包括发音者是谁及喜怒哀乐等各种信息。所以,语言是人类最重要、最有效、最常
用和最方便的交换信息的形式。另一方面,语言和语音与人的智力活动密切相关,与文化和
社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。
语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目
的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音、辨
识出讲话者、识别出讲话内容、进行语音增强等。
语音信号处理是一门新兴的学科,同时又是综合性的多学科领域,是一门涉及面很广的
交叉学科。虽然从事这一领域研究的人员主要来自信息处理及计算机等学科,但是它与语
音学、语言学、声学、认知科学、生理学、心理学及数理统计等许多学科也有非常密切的联系。
语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学
研究领域中的一个。语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿
科研课题,且处于迅速发展之中;其研究成果具有重要的学术及应用价值。
世纪年代中期形成的一系列数字信号处理方法和算法,如数字滤波器、快速傅里
叶变换( 等是语音信号数字处理的理论和技术基础。进入年代之后,语音技术取得
了许多实质性的进展:用于语音信号的信息压缩和特征提取的线性预测技术,已成为
语音信号处理最强有力的工具,广泛应用于语音信号的分析、合成及各个应用领域;用于输
入语音与参考样本之间时间匹配的动态规划方法。年代初一种新的基于聚类分析的高
效数据压缩技术矢量量化应用于语音信号处理中;而用隐式马尔可夫模型
描述语音信号过程的产生是年代语音信号处理技术的重大进展。近年来人工神经网络
的研究取得了迅速发展,语音信号处理的各项课题是促使其发展的重要动力之一;同时,它
的许多成果,也体现在有关语音的各项应用之中,尤其语音识别是神经网络的一个重要应用
领域。
从技术角度讲,语音信号处理是信息高速公路、多媒体技术、办公自动化、现代通信及智
能系统等新兴领域应用的核心技术之一。在高度发达的信息社会用数字化的方法进行语音
的传送、存储、识别、合成、增强等是整个数字化通信网中最重要、最基本的组成部分之一。
同时,由于语言是人类相互间进行沟通的最自然和最方便的形式,所以它是一种理想的人机
通信方式,因而可为计算机、自动化系统等建立良好的人机交互环境,进一步推动计算机和
其他智能机器的应用,提高社会信息化和自动化的程度。
语音处理技术的应用极其广泛,包括工业、军事、交通、医学、民用等各个领域。目前,语
音处理技术处于蓬勃发展时期,已有大量产品投放市场,并且不断有新产品被开发研制,具
有极其广阔的市场需要和应用前景。
在语音编码方面,如何在中低速率上获得高质量的语音,一直是其研究的主要目标。
年代中期,特别是年代以来,语音编码技术有了突破性进展,提出了如多脉冲激励等一些
有效的算法,产生了新一代的声码器,在以下速率上能够得到高质量的语音。
计算机和集成电路技术的发展,推动了语音信号处理的实用化。目前有很多专用语音
处理芯片,这些芯片与微处理器或微型计算机相结合可以组成各种复杂的语音处理系统。
其中语音合成在技术上比较成熟,在语音处理中影响也最大,上市产品多为有限词汇量的语
音合成器。
然而,目前各种合成系统输出的语音音质跟自然语言的语音音质相差甚远,它并未真正
解决机器说话的问题,因为其本质上只是一个不完满的声音还原过程。目前的合成只是停
留在声道系统的发声过程上,其结果只是将书面语言转换成口头语言。而实现真正意义上
的合成涉及到大脑的高级神经活动,而目前对这方面知道得还很少。同时,单音字节的声学
语音学表现与音节在词语中有什么不同,尚未找到普遍的原则。由于涉及语言学、心理学和
人脑的神经活动等问题,真正的语音合成问题尚处于研究阶段,这有待于信号处理、计算机
方面和生理学、语言学、人工智能等领域的研究人员的共同努力。
在语音识别方面,很多专业人员对其理论和应用进行了广泛的研究,关于这方面的文献
浩如烟海。目前,国内外有关论文每年达数千篇之多,但语音识别的研究比语音合成困难得
多,其起步也较晚。
语音识别具有极广泛的应用领域,但它毕竟是一项综合性的、难度很大的高科技项目,
从话语