（文章來(lái)源：人人都是產(chǎn)品經(jīng)理）

語(yǔ)音識(shí)別技術(shù)最早依靠匹配，尋找單個(gè)音節(jié)、單個(gè)詞和標(biāo)準(zhǔn)語(yǔ)音模板的最大相似度進(jìn)行匹配。后來(lái)伴隨著統(tǒng)計(jì)學(xué)被引入到語(yǔ)音識(shí)別中，將該技術(shù)逐步從模板匹配技術(shù)轉(zhuǎn)向基于統(tǒng)計(jì)模型技術(shù)。對(duì)于不同的語(yǔ)音識(shí)別過(guò)程，人們采用的識(shí)別方法和技術(shù)不同，但所用的原理大致相同，即將經(jīng)過(guò)降噪處理后的語(yǔ)音送入特征提取模塊，然后對(duì)語(yǔ)音信號(hào)特征處理后輸出識(shí)別結(jié)果。

預(yù)處理：過(guò)濾掉原始語(yǔ)音中的次要信息或噪音等，將語(yǔ)音信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)。特征提?。禾崛≌Z(yǔ)音特征參數(shù)，形成特征矢量序列。實(shí)現(xiàn)語(yǔ)音識(shí)別，就需要語(yǔ)音參數(shù)來(lái)刻畫(huà)語(yǔ)音信息。語(yǔ)音原本具有短時(shí)特性，所以描述語(yǔ)音的單位用幀（一般為10-40ms），在音頻幀上提取的短時(shí)音頻特征，叫音頻幀特征。相對(duì)音頻幀較長(zhǎng)的時(shí)間間隔成為音頻段，在音頻段上提取的特征叫音頻段特征。

常用的音頻幀特征分為三類(lèi)：時(shí)域特征、頻域特征和聲學(xué)感知特征。時(shí)域特征利用了音頻信號(hào)在時(shí)域上面的信息，可以理解成橫軸為時(shí)間，縱軸為音頻信號(hào)。通過(guò)過(guò)零率、短時(shí)能量、音量、自相關(guān)系數(shù)等來(lái)描述音頻信號(hào)在時(shí)間上的信息。過(guò)零率是指：音頻信號(hào)由正到負(fù)、由負(fù)到正過(guò)程中，通過(guò)零的次數(shù)。應(yīng)用于語(yǔ)音信號(hào)分析中，濁音具有較低的過(guò)零率，清音具有較高的過(guò)零率（發(fā)音時(shí)聲帶振動(dòng)的是濁音，聲帶不振動(dòng)的是清音）。

短時(shí)能量則是：通過(guò)能量的計(jì)算方法用于監(jiān)測(cè)濁音和清音的轉(zhuǎn)換時(shí)刻。應(yīng)用與語(yǔ)音信號(hào)分析中，短時(shí)能量大的地方過(guò)零率低，短時(shí)能量小的地方過(guò)零率高。頻域特征是把時(shí)域波形信號(hào)轉(zhuǎn)換到頻譜，然后進(jìn)行計(jì)算。聲學(xué)感知特征是聲學(xué)上定義的概念，考慮了人的聽(tīng)覺(jué)感知特點(diǎn)，但通常計(jì)算比較復(fù)雜。

音頻段特征是在音頻幀特征基礎(chǔ)上提取出來(lái)的，獲取音頻段特征的基本方法是：將音頻段對(duì)應(yīng)的音頻幀特征經(jīng)過(guò)均值、方差、標(biāo)準(zhǔn)差等統(tǒng)計(jì)學(xué)公式計(jì)算得出來(lái)的。原始語(yǔ)音信號(hào)傳入預(yù)處理模塊的目的：是為了壓縮原始語(yǔ)音數(shù)據(jù)，提取出有代表性的特征來(lái)做后續(xù)的識(shí)別，主要分為三部分：預(yù)加重、分幀加窗、端點(diǎn)檢測(cè)。

在語(yǔ)音識(shí)別過(guò)程中，經(jīng)常會(huì)遇到原始語(yǔ)音數(shù)據(jù)因?yàn)樵胍?、背景音或次要信息的影響?dǎo)致識(shí)別效果變差。預(yù)加重的目的就是為了提高語(yǔ)音質(zhì)量，從含有噪聲語(yǔ)音的信號(hào)中，盡可能提取純凈的原始語(yǔ)音信號(hào)。首先假設(shè)噪音和期望語(yǔ)音信號(hào)相互獨(dú)立，然后通過(guò)估計(jì)噪音的功率，在原始語(yǔ)音中減去噪音功率達(dá)到去除噪音的目的。

這個(gè)方法較適用于噪音平穩(wěn)波動(dòng)性小的情況。通過(guò)獲得前一時(shí)刻的濾波器參數(shù)，去自動(dòng)調(diào)節(jié)現(xiàn)在時(shí)刻的濾波器參數(shù)。我的理解是：假設(shè)語(yǔ)音信號(hào)具有較強(qiáng)的相關(guān)性，那么取t+1時(shí)刻的濾波器參數(shù)作用于t時(shí)刻的語(yǔ)音信號(hào)，形成純凈的語(yǔ)音信號(hào)。

基于信號(hào)和噪聲的小波系數(shù)在各尺度的分布特性，采用閾值的方法，達(dá)到去除噪聲的目的。語(yǔ)音信號(hào)可假定為短時(shí)平穩(wěn)的，即在較短時(shí)間內(nèi)（如5-50ms），語(yǔ)音信號(hào)基本保持不變，然后把語(yǔ)音信號(hào)分隔為一些音頻段再加以處理。

這些短段一般是周期的，對(duì)每個(gè)短段語(yǔ)音進(jìn)行處理，就等效于對(duì)固定特性的這樣原始語(yǔ)音進(jìn)行處理。對(duì)每一幀處理的結(jié)果，就可以看作是一個(gè)新的依賴(lài)于時(shí)間的序列，且這個(gè)序列可用于描述語(yǔ)音信號(hào)特征。例如：原始語(yǔ)音采樣序列為x(m)，那么分段后的序列可以理解為x(m)乘以窗函數(shù)w(n-m)得到的。

窗函數(shù)越寬，對(duì)信號(hào)的平滑作用越明顯，反之，對(duì)信號(hào)幾乎沒(méi)有任何平滑作用。對(duì)語(yǔ)音信號(hào)中的有聲片段和無(wú)聲片段進(jìn)行分割，然后再針對(duì)有聲片段的語(yǔ)音特征進(jìn)行識(shí)別，主要是利用語(yǔ)音特征參數(shù)進(jìn)行判斷。一般情況下，端點(diǎn)監(jiān)測(cè)是語(yǔ)音識(shí)別的第一步。