当前位置：文档库 › 语音识别的研究与发展

语音识别的研究与发展

收稿日期:2001211213

作者简介:何湘智(19782),男,湖南衡山人,国防科技大学机电工程与自动化学院硕士研究生,研究方向:信号处理与模式识别。

文章编号:100622475(2002)0320003204

语音识别的研究与发展

何湘智

(国防科技大学机电工程与自动化学院,湖南长沙　410073)

摘要:综合阐述了语音识别技术的提出与发展历史,语音识别系统的分类,目前所面临的困难和采用的主要技术,以及发展方向和应用前景。

关键词:语音识别;隐马尔可夫;矢量量化;动态时间规整中图分类号:TP39114 文献标识码:A

The R esearch and Development of Speech R ecognition

HE X iang 2zhi

(C ollege of Mechatronics Engineering and Automation ,National Univ.of Defense T echnology ,Changsha 410073,China )

Abstract :Expounds the reas ons and development history ,the problems faced ,the key technologies of speech recognition ,and class fies the systems of speech recognition ,looks ahead the development of the field.K eyw ord :speech recognition ;H M M ;VQ ;DT W

1　语音识别技术的提出及发展历史

随着现代科学和计算机技术的发展,人们在与机

器的信息交流中,需要一种更加方便、自然的方式。而人的直观感觉可以给人最直接的印象,获取信息速度也就最快。虽然,嗅觉、触觉也是人类固有的感觉,人们可以从中得到某些外界信息,但最重要、最精细的信息源只有图像和语言两种。而且,语言是人类最重要的、最有效的、最常用的和最方便的通信形式。这就很容易让人想到能否用自然语言代替传统的人机交流方式如键盘、鼠标等。一般来讲,人与机器的语言通信大致分为两种情况:第一种情况就是机器讲话,人听话。这就是“人工嘴巴”即语音的人工合成;第二种情况就是人讲话,机器听话。这即是“人工耳朵”,即语音的人工识别和理解。语音识别较语音合成而言,技术上要复杂,但应用却更加广泛。语音识别ASR (Automatic S peech Recognition )的最大优势在于使得人机用户界面更加自然和容易使用。

语音识别的研究工作大约开始于50年代,标志就是AT&T Bell 实验室实现了第一个可识别十个英

文数字的语音识别系统———Audry 系统。

60年代,计算机的应用推动了语音识别的发展。

这一时期的重要成果是提出了用动态规划(DP )方法来解决语音识别中不等长的对正问题。

70年代,语音识别领域取得了突破。线性预测

编码技术(LPC )的引入,使语音识别的特征提取产生了一次飞跃。动态时间规整技术(DT W )基本成熟,提出了矢量量化(VQ )和隐马尔可夫模型(H M M )理论。实现了基于线性预测倒谱和DT W 技术的特定人孤立语音识别系统。

80年代,语音识别研究进一步走向深入,其显著

特征是H M M 模型和人工神经元网络(ANN )在语音识别中的成功应用。H M M 模型的广泛应用应归功于AT&T Bell 实验室Rabiner 等科学家的努力,他们把

原本艰涩的H M M 纯数学模型工程化,从而为更多研究者了解和认识。

进入90年代,随着多媒体时代的来临,迫切要求语音识别系统从实验室走向实用。许多发达国家如美国、日本、韩国以及I BM 、Apple 、AT&T 、NTT 等著名公司都为语音识别系统的实用化开发研究投以巨资。

　2002年第3期

计　算　机　与　现　代　化

J IS UAN J I Y U XI ANDAIH UA

　总第79期

I BM 公司于1997年开发出汉语ViaVoice 语音识别系

统,次年又开发出可以识别上海话、广东话和四川话

等地方口音的语音识别系统ViaVoice ’98。它带有一个32,000词的基本词汇表,可以扩展到65,000词,还包括办公常用词条,具有”纠错机制”,其平均识别率可以达到95%。该系统对新闻语音识别具有较高的精度,是目前具有代表性的汉语连续语音识别系统。S peechW orks 公司是世界领先的电话自动语音识别系统(ASR )解决方案的提供者,代表产品为S peechW orks 6。利用该产品,用户可以通过电话用自

然语言与系统进行交互,进行旅游预约、股票交易、银行服务、订票服务、宾馆服务和寻呼服务等,由于系统是自动的,无需服务人员的介入。目前市场上出现了语音识别电话、语音识别记事本等产品,如美国VPTC 公司的Voice Organizer 和法国的Parrot 等。

我国语音识别研究工作一直紧跟国际水平,国家也很重视,并把大词汇量语音识别的研究列入“863”计划,由中科院声学所、自动化所及北京大学等单位研究开发,取得了高水平的科研成果,如中科院自动化所研制的非特定人、连续语音听写系统和汉语语音人机对话系统,其字准确率或系统响应率可达90%以上。鉴于中国未来庞大的市场,国外也非常重视汉语语音识别的研究。美国、新加坡等地聚集了一批来自大陆、台湾、香港等地的学者,研究成果已达到相当

高水平。

2　语音识别系统

语音识别系统的研究涉及微机技术、人工智能、数字信号处理、模式识别、声学、语言学和认知科学等许多学科领域,是一个多学科综合性研究领域。语音识别系统的基本过程包括:采样、确定输入信号的起始点,由数字滤波器直接地或模拟滤波器间接地计算语音谱、音调轮廓图估价、分解输入信号、单词识别和对输入信号做出响应。

语音识别系统在实际应用过程中根据不同的分类准则可以有多种分类方式:

11根据对说话人说话方式的要求,可以分为孤立字(词)语音识别系统、连接字语音识别系统以及连续语音识别系统。

21根据对说话人的依赖程度可以分为特定人和非特定人语音识别系统。

31根据词汇量大小,可以分为小词汇量、中等词汇量、大词汇量以及无限词汇量语音识别系统。

虽然语音识别系统有多种分类方法,但基本原

理、所采用的基本技术相似。语音识别的原理图如图1所示。

图1　语音识别原理图

预处理。包括反混叠滤波、模数变换、自动增益控制、去除声门激励以及在声学参数分析之前正确选

择识别基元等问题。

参数分析。经过预处理后的语音信号,就要对其进行特征参数分析。识别参数的选择有很多种,要视系统的具体要求而定。一般来说,如果参数中包含的信息越多,则分析或提取的复杂度也越大。可供选择的识别参数包括:平均能量、过零率、频谱、共振峰(包括频率、带宽、幅度)、倒谱、线性预测系数(LPC )、偏自相关系数(PARC OR 系数)、随机模型(即隐马尔可夫模型)的概率函数、矢量量化的矢量,以及音长、音调、声调等超音段信息函数。

失真测度。用于语音识别的失真测度有多种,如欧氏距离及其变形的距离、似然比测度、加权的超音段信息的识别测度等。

语音库,即声学参数模板。是用训练和聚类的方法,从一人或多人的多次重复的语音参数,经过长时间的训练而聚类得到的。

测度估计是语音识别的核心。用来表征参数与模板之间的测度。常用的方法有:动态时间规整法(DT W )、有限状态矢量量化法(VQ )、隐马尔可夫模型法(H M M )等。

专家知识库,用来存贮各种语言学知识。如汉语声调变调规则、音长分布规则、同音字判别规则、构词规则、语法规则、语义规则等。对于不同的语言有不同的语言学专家知识库,对于汉语也有其特有的专家知识库。

判决是语音识别的最后一步,也是系统识别效果的最终表现。对于属于信号计算而得的测度,根据若干准则及专家知识,判决选出可能的结果中最好的结果,由识别系统输出。

3　语音识别的主要方法

一般来说,语音识别的方法有三种:基于声道模型和语音知识的方法、模板匹配的方法以及利用人工

4计　算　机　与　现　代　化2002年第3期

神经网络的方法。

基于声道模型和语音知识的方法起步较早,在语音识别技术提出的开始,就有了这方面的研究,但由于其模型及语音知识过于复杂,现阶段没有达到实用的阶段。利用人工神经网络的方法是80年代末期提出的一种新的语音识别方法。人工神经网络(ANN)本质上是一个自适应非线性动力学系统,模拟了人类神经活动的原理,具有自适应性、并行性、鲁棒性、容错性和学习特性,在结构和算法上都显示出实力。但由于存在训练、识别时间太长的缺点,目前仍处于实验探索阶段。模板匹配的方法发展比较成熟,目前已达到了实用阶段。在模板匹配方法中,要经过四个步骤:特征提取、模板训练、模板分类、判决。本文主要讨论在模板匹配中所普遍采用的一些技术。

11隐马尔可夫法(H M M)。

隐马尔可夫法(H M M)是70年代引入语音识别理论的,它的出现,使得自然语音识别系统取得了实质性的突破。H M M方法现已成为语音识别的主流技术,目前大多数大词汇量、连续语音的非特定人语音识别系统都是基于H M M模型的。

H M M是对语音信号的时间序列结构建立统计模型,将之看作一个数学上的双重随机过程:一个是用具有有限状态数的Markov链来模拟语音信号统计特性变化的隐含的随机过程,另一个是与Markov链的每一个状态相关联的观测序列的随机过程。前者通过后者表现出来,但前者的具体参数是不可测的。人的言语过程实际上就是一个双重随机过程,语音信号本身是一个可观测的时变序列,是由大脑根据语法知识和言语需要(不可观测的状态)发出的音素的参数流。可见,H M M合理地模仿了这一过程,很好地描述了语音信号的整体非平稳性和局部平稳性,是较为理想的一种语音模型。

H M M语音模型λ(π,A,B)由起始状态概率(π)、状态转移概率(A)和观测序列概率(B)三个参数决定。π揭示了H M M的拓扑结构,A描述了语音信号随时间的变化情况,B给出了观测序列的统计特性。

H M M语音识别的一般过程是:用前向后向算法(F orward2Backward)通过递推方法计算已知模型输出O及模型λ=f(π,A,B)时的产生输出序列的概率P(O |λ),然后用Baum2Welch算法,基于最大似然准则(M L)对模型参数λ(π,A,B)进行修正,最优参数λ3的求解可表示为λ3=arg max

{P(O|λ)}。最后用Viterbi 算法解出产生输出序列的最佳状态转移序列X。所谓最佳是以X的最大条件后验概率为准则,即X=

arg max

{P(X|O,λ)}。

21矢量量化(VQ)。

矢量量化(Vector Quantization)是一种重要的信号压缩方法。与H M M相比,矢量量化主要适用于小词汇量、孤立词的语音识别中。其过程是:将语音信号波形的k个样点的每一帧,或有k个参数的每一参数帧,构成k维空间中的一个矢量,然后对矢量进行量化。量化时,将k维无限空间划分为M个区域边界,然后将输入矢量与这些边界进行比较,并被量化为“距离”最小的区域边界的中心矢量值。矢量量化器的设计就是从大量信号样本中训练出好的码书,从实际效果出发寻找到好的失真测度定义公式,设计出最佳的矢量量化系统,用最少的搜索和计算失真的运算量,实现最大可能的平均信噪比。失真测度主要有均方误差(即欧氏距离)、加权的均方误差、Itakura2Saito 距离,似然比失真测度等。初始码书的生成可以是随机选取、分裂生成法、乘积码书法。在选定了失真测度和初始码书后,就用LBG算法,对初始码书进行迭代优化,一直到系统性能满足要求或不再有明显的改进为止。

在实际的应用过程中,人们还研究了多种降低复杂度的方法,这些方法大致可以分为两类:无记忆的矢量量化和有记忆的矢量量化。无记忆的矢量量化包括树形搜索的矢量量化和多级矢量量化。

31动态时间规整(DT W)。

语音信号的端点监测是进行语音识别中的一个基本步骤,它是特征训练和识别的基础。所谓端点监测就是在语音信号中的各种段落(如音素、音节、词素)的始点和终点的位置,从语音信号中排除无声段。在早期,进行端点监测的主要依据是能量、振幅和过零率。但效果往往不明显。60年代日本学者Itakura 提出了动态时间规整算法(DT W:Dynamic T ime Warp2 ing)。算法的思想就是把未知量均匀的升长或缩短,直到与参考模式的长度一致。在这一过程中,未知单词的时间轴要不均匀地扭曲或弯折,以使其特征与模型特征对正。

动态时间规整是将时间规整和距离测度结合起来的一种非线性规整技术。设测试语音参数共有N 帧矢量,而参考模板共有M帧矢量,且N≠M.要找时间规整函数j=w(i),使测试矢量的时间轴I非线性地映射到模板的时间轴j上,并满足:

D=min

ω(i)

∑

i=1

d[T(i),R(ω(i))]

式中d[T(i),R(ω(i))]是第i帧测试矢量T(i)和

2002年第3期何湘智:语音识别的研究与发展

第j帧模板矢量R(j)之间的距离测度。D则是在最优情况下的两矢量之间的匹配路径。一般情况下, DT W采用逆向思路,从过程的最后阶段开始,逆推到起始点,寻找其中的最优路径。

4　语音识别的难点

尽管语音识别的研究已有半个世纪了,但现有的语音识别系统仍存在许多困难,还远远达不到实用化的要求,主要表现在:

(1)鲁棒性:目前的语音识别系统对环境条件的依赖性强,要求保持测试条件和训练条件一致,否则系统性能会严重下降。

(2)噪声问题:现有的语音识别系统大多只能工作在安静的环境下,一旦在噪声环境下工作,讲话人产生情绪或心理上的变化,导致发音失真、发音速度和音调改变,即产生Lombard效应或Loud效应。常用的抑制噪声的方法,可以概括为四个方面:谱减法、环境规整技术、不修正语音信号而是修正识别器模型使之适合噪声、建立噪声模型。

(3)语音识别基元的选择:如何根据存贮空间和搜索速度的要求,选择合适的识别单元,如词、音节、音素。一般来讲,要识别的词汇量越多,所用的基元应越小越好。

(4)端点监测:研究表明,即使在安静的环境下,语音识别系统一半以上的识别错误来自端点监测器。提高端点检测技术的关键在于寻找稳定的语音参数。

(5)韵律信息的利用:韵律信息指的是说话之中的重音、语调等超音段信息。实验表明,人可以从说话的韵律中获取很多重要信息。但目前的语音识别系统却忽略了韵律信息。因此,如何在语音识别中结合韵律信息还有待进一步的研究。

因为汉语自身的特点,使得汉语的语言信息处理比西方语言更为困难和复杂。主要表现在:汉语的大字符集影响了汉字的快速输入;汉语的字词不分使得词的切分成为汉语语言理解与处理独有和首要的问题;大量的同音字、词给语音识别带来困难;灵活自由的语言表述难以用汉语语言知识表示方法来表达。

5　语音识别的发展方向与应用前景语音作为当前通讯系统中最自然的通信媒介,随着计算机和语音处理技术的发展,语音识别系统的实用性将进一步提高。不同语种之间的语音———语音的翻译,以及人体语言与口语相结合的多媒体人机交互技术将是今后一段时期语音识别技术的发展方向。

语音识别技术的应用前景是无限的。应用语音的自动理解和翻译,可消除人类相互交往的语言障碍。随着Internet网的爆炸性扩张,电子商务(e2busi2 ness)迅速发展,语音识别技术将为网上会议、商业管理、医药卫生、教育培训等各领域带来极大的便利。参考文献:

[1]　李晓霞,王东木,李学耀.语音识别技术评述[J].计算机

应用研究,1999,10.

[2]　聂敏.语音识别及其关键技术[J].微波与卫星通信,

1999,4.

[3]　江铭炎,李浩.语音识别的研究与进展[J].山东电子,

1999,2.

[4]　陈方,等.语音识别技术发展[J].电信科学,1996,10.

[5]　胡航.语音信号处理[M].哈尔滨:哈尔滨工业大学出版

社,2000.

[6]　苏剑波,徐波.应用模式识别技术导论[M].上海:上海交

通大学出版社,2001.

[7]　江铭虎,朱小燕,袁保宗.语音识别与理解的研究进展

[J].电路与系统学报,1999,6.

[8]　Lawrence Rabiner,Biing2Hawang Juang.F oundamentals of

S peech Recognition[M].北京:清华大学出版社,1999.

(上接第2页)

中,修改初始种群。在本文中遗传运算的终止进化代数一般取100～120。

7.结束。

选取最优解为适值最小的位串,由适值函数A 取其适值。

3　结束语

本文结合某公司车牌管理ERP系统,详细介绍了用于求解复杂优化问题全局最优解的编码遗传算法,提出了新的编码规则,并且在选择算子、适值函数、交叉算子以及变异算子等方面都提出了自己的见解,保证了系统的搜索速度以及精度,在实际中收到了较好的效果。

参考文献:

[1]　H olland J.H.Adaptation in Nature and Artificial Systems[M].

MIT Press,1992.

[2]　周明,孙树栋.遗传算法原理及应用[M].北京:国防工业

出版社,1999.

[3]　纪树新,钱积新,孙优贤.车间作业调度遗传算法中的编

码研究[J].信息与控制,1997,10.

6计　算　机　与　现　代　化2002年第3期

2016年汽车语音识别系统行业现状及发展趋势分析

中国汽车语音识别系统行业现状调查分析及市场前景预测报告（2016年版）报告编号：1622577

行业市场研究属于企业战略研究范畴，作为当前应用最为广泛的咨询服务，其研究成果以报告形式呈现，通常包含以下内容：一份专业的行业研究报告，注重指导企业或投资者了解该行业整体发展态势及经济运行状况，旨在为企业或投资者提供方向性的思路和参考。一份有价值的行业研究报告，可以完成对行业系统、完整的调研分析工作，使决策者在阅读完行业研究报告后，能够清楚地了解该行业市场现状和发展前景趋势，确保了决策方向的正确性和科学性。中国产业调研网https://www.wendangku.net/doc/7b15518260.html,基于多年来对客户需求的深入了解，全面系统地研究了该行业市场现状及发展前景，注重信息的时效性，从而更好地把握市场变化和行业发展趋势。

一、基本信息报告名称：中国汽车语音识别系统行业现状调查分析及市场前景预测报告（2016年版）报告编号：1622577←咨询时，请说明此编号。优惠价：￥7020 元可开具增值税专用发票网上阅读：https://www.wendangku.net/doc/7b15518260.html,/R_JiaoTongYunShu/77/QiCheYuYinShiBieXiTongFaZhanXi anZhuangFenXiQianJingYuCe.html 温馨提示：如需英文、日文等其他语言版本，请与我们联系。二、内容介绍《中国汽车语音识别系统行业现状调查分析及市场前景预测报告（2016年版）》在多年汽车语音识别系统行业研究的基础上，结合中国汽车语音识别系统行业市场的发展现状，通过资深研究团队对汽车语音识别系统市场资讯进行整理分析，并依托国家权威数据资源和长期市场监测的数据库，对汽车语音识别系统行业进行了全面、细致的调研分析。中国产业调研网发布的《中国汽车语音识别系统行业现状调查分析及市场前景预测报告（2016年版）》可以帮助投资者准确把握汽车语音识别系统行业的市场现状，为投资者进行投资作出汽车语音识别系统行业前景预判，挖掘汽车语音识别系统行业投资价值，同时提出汽车语音识别系统行业投资策略、营销策略等方面的建议。正文目录第一章汽车语音识别系统产业概述 1.1 汽车语音识别系统定义及产品技术参数 1.2 汽车语音识别系统分类 1.3 汽车语音识别系统应用领域 1.4 汽车语音识别系统产业链结构 1.5 汽车语音识别系统产业概述 1.6 汽车语音识别系统产业政策

语音识别

语音识别技术概述语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。语音识别技术的应用包括语音拨号、语音导航、室内设备控制、语音文档检索、简单的听写数据录入等。语音识别技术与其他自然语言处理技术如机器翻译及语音合成技术相结合，可以构建出更加复杂的应用，例如语音到语音的翻译。语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。历史早在计算机发明之前，自动语音识别的设想就已经被提上了议事日程，早期的声码器可被视作语音识别及合成的雏形。而1920年代生产的"Radio Rex"玩具狗可能是最早的语音识别器，当这只狗的名字被呼唤的时候，它能够从底座上弹出来。最早的基于电子计算机的语音识别系统是由A T&T贝尔实验室开发的Audrey语音识别系统，它能够识别10个英文数字。其识别方法是跟踪语音中的共振峰。该系统得到了98%的正确率。到1950年代末，伦敦学院(Colledge of London)的Denes已经将语法概率加入语音识别中。1960年代，人工神经网络被引入了语音识别。这一时代的两大突破是线性预测编码Linear Predictive Coding (LPC)，及动态时间弯折Dynamic Time Warp技术。语音识别技术的最重大突破是隐含马尔科夫模型Hidden Markov Model的应用。从Baum提出相关数学推理，经过Labiner等人的研究，卡内基梅隆大学的李开复最终实现了第一个基于隐马尔科夫模型的大词汇量语音识别系统Sphinx。[1]。此后严格来说语音识别技术并没有脱离HMM框架。尽管多年来研究人员一直尝试将“听写机”推广，语音识别技术在目前还无法支持无限领域，无限说话人的听写机应用。模型目前，主流的大词汇量语音识别系统多采用统计模式识别技术。典型的基于统计模式识别方法的语音识别系统由以下几个基本模块所构成信号处理及特征提取模块。该模块的主要任务是从输入信号中提取特征，供声学模型处理。同时，它一般也包括了一些信号处理技术，以尽可能降低环境噪声、信道、说话人等因素对特征造成的影响。统计声学模型。典型系统多采用基于一阶隐马尔科夫模型进行建模。发音词典。发音词典包含系统所能处理的词汇集及其发音。发音词典实际提供了声学模型建模单元与语言模型建模单元间的映射。语言模型。语言模型对系统所针对的语言进行建模。理论上，包括正则语言，上下文无关文法在内的各种语言模型都可以作为语言模型，但目前各种系统普遍采用的还是基于统计的N元文法及其变体。解码器。解码器是语音识别系统的核心之一，其任务是对输入的信号，根据声学、语言模型及词典，寻找能够以最大概率输出该信号的词串。从数学角度可以更加清楚的了解上述模块之间的关系。首先，统计语音识别的最基本问题是，给定输入

语音识别技术的发展与未来

语音识别技术的发展与未来与机器进行语音交流，让它听明白你在说什么。语音识别技术将人类这一曾经的梦想变成了现实。语音识别就好比“机器的听觉系统”，该技术让机器通过识别和理解，把语音信号转变为相应的文本或命令。在1952年的贝尔研究所，Davis等人研制了世界上第一个能识别10个英文数字发音的实验系统。1960年英国的Denes等人研制了第一个计算机语音识别系统。大规模的语音识别研究始于上世纪70年代以后，并在小词汇量、孤立词的识别方面取得了实质性的进展。上世纪80年代以后，语音识别研究的重点逐渐转向大词汇量、非特定人连续语音识别。同时，语音识别在研究思路上也发生了重大变化，由传统的基于标准模板匹配的技术思路开始转向基于统计模型的技术思路。此外，业内有专家再次提出了将神经网络技术引入语音识别问题的技术思路。上世纪90年代以后，在语音识别的系统框架方面并没有什么重大突破。但是，在语音识别技术的应用及产品化方面出现了很大的进展。比如，DARPA是在上世界70年代由美国国防部远景研究计划局资助的一项计划，旨在支持语言理解系统的研究开发工作。进入上世纪90年代，DARPA计划仍在持续进行中，其研究重点已转向识别装置中的自然语言处理部分，识别任务设定为“航空旅行信息检索”。我国的语音识别研究起始于1958年，由中国科学院声学所利用电子管电路识别10个元音。由于当时条件的限制，中国的语音识别研究工作一直处于缓慢发展的阶段。直至1973年，中国科学院声学所开始了计算机语音识别。进入上世纪80年代以来，随着计算机应用技术在我国逐渐普及和应用以及数字信号技术的进一步发展，国内许多单位具备了研究语音技术的基本条件。与此同时，国际上语音识别技术在经过了多年的沉寂之后重又成为研究的热点。在这种形式下，国内许多单位纷纷投入到

语音识别发展现状与展望

中国中文信息学会第七次全国会员代表大会暨学会成立30周年学术会议语音识别发展现状与展望中科院自动化研究所徐波 2011年12月4日

报告提纲 ?语音识别技术现状及态势?语音识别技术的行业应用?语音识别技术研究方向?结论与展望

2010年始语音识别重新成为产业热点?移动互联网的兴起成为ASR最重要的应用环境。在Google引领下，互联网、通信公司纷纷把语音识别作为重要研究方向 –Android系统内嵌语音识别技术，Google语音翻译等； –iPhone4S 上的Siri软件； –百度、腾讯、盛大、华为等都进军语音识别领域； –我国语音技术领军企业讯飞2010年推出语音云识别、讯飞口讯 –已有的QQ2011版语音输入等等

成熟度分析-技术成熟度曲线 ?美国市场调查咨询公司Gartner于2011年7月发布《2011新兴技术成熟度曲线》报告：

成熟度分析-新兴技术优先矩阵?Gartner评出了2011年具有变革作用的技术，包括语音识别、语音翻译、自然语言问答等。其中语音翻译和自然语言问答有望在5-10年内获得大幅利用，而语音识别有望在2-5年内获得大幅利用；

三十年语音识别技术发展 ---特征提取与知识方面?MFCC，PLP，CMS，RASTA，VTLN；?HLDA, fMPE，neural net-based features ?前端优化 –融入更多特征信息(MLP、TrapNN、Bottle Neck Features等） ?特征很大特点有些是跟模型的训练算法相匹配?大规模FSN图表示，把各种知识源集中在一起–bigram vs. 4-gram, within word dependencies vs. cross-word

蜂产品行业前景及公司现状

蜂产品行业前景及公司现状前言随着社会进步和经济发展，人类对自身的健康日益关注。90年代以来，全球居民的健康消费逐年攀升，对营养保健品的需求十分旺盛。在按国际标准划分的15类国际化产业中，医药保健室世界贸易增长最快的五个行业之一，保健食品的销售额每年以13%的速度增长。而从20世纪80年代起步的中国保健品行业，在短短十几年时间里，已经迅速发展成为一个独特的产业。保健品产业之所以蓬勃发展，主要原因是人们生活水平明显提高；其次，人们生活方式的改变，是保健品产业发展的重要契机；多层次的社会生活需要，为保健品产品的发展提供了广阔空间。中国保健食品产业尽管十年前规模很小，经过多年快速发展，已经逐渐壮大。虽然仍面临诸多挑战，但是，中国保健食品产业的发展前景是光明的。在市场需求，技术进步和管理更新的推动下，中国营养保健食品产业在“十一五”期间将会走上快速、持续、健康发展的道路。我国自古就有药食同源的养生文化，用于老百姓的话说，就是“药补不如食补”。作为一个亟须培育的行业，保健品市场的需求潜力之大实在诱人。2011年我国保健食品年销售额达到800亿元，权威部门预计到2012年将达到1500亿元。蜂产业市场基础蜂产品作为农副产品的同时，在保健食品行业产业中占据不可小视的位置，近年来，由于饮食过度和过量的脂肪摄入，肥胖症，非胰岛素

依赖型糖尿病、高血压、冠心病及癌症等慢性病在我国逐年上升。有利于预防和改善这些疾病的功能型营养食品受到了中老年消费者的欢迎。随着“老龄化社会”的到“银发族”对保健品的需求尤为旺盛，购买力亦非常强。加上处于家庭、来，事业双重压力下的中年人，更是一个庞大的消费市场。联合国工业规划署指出：“21世纪两大朝阳产业分别是以电子科技发展为基础的信息产业和以生命科学为基础的健康产业。”而保健和医药正是生命科学发展中最具潜力的产业。随着人们生活水平和家庭收入的提高，对保健品的需求也会越来越大。近年来“亚健康”名词的出现让人们对于自身健康有了更深的认识，追求无碳，安全，环保、健康成为人们的生活方式。然而在此基础上，纯天然，纯生态，采与天然，来于自然的保健食品成为人们的追求和喜爱。蜂产品的原生态，安全环保，在保健食品行业中占据不可忽视的位置，为广大消费者所喜爱。蜂产品与保健蜂产品中不同的蜂蜜具有不同的功效；花蜜具有舒张血管、改善血液循环、防止血管硬化、降低血压等作用，临睡前服用能起到催眠作用，常服本品能改善人的情绪，达到宁心安神的效果。枣花蜜性平偏温，补中益气，养血安神、护脾养胃有助于人体系统功能改善，对脾胃虚弱有辅助疗效；有补血等作用。益母草蜜具有活血、祛痰、调经、消水、养肾、解毒、补气、养胃，是心血管及肠道疾病，和泌尿系统疾病患者对症的滋补上品。枸杞蜜具有补气、滋肾、润肺、壮阳之功效。

语音识别技术研究

基于Google技术的语音识别实现前言语音识别技术在手机上应用得相当广泛，我们日常最频繁的沟通方式是语音，在手机应用中，大部分是通过硬件手动输入，目前这依然是主要与手机互动的方式，然而对于像手机这种小巧的移动设备来说，使用键盘甚至是虚拟键盘打字是一件非常不爽的事情。于是，Google 推出了强大的语音搜索业务。2008年11月，Google的语音搜索已经在iPhone平台上线，而Android在1.5 SDK版本中也加强了语音识别功能，并应用到了搜索功能上，这的确是一个非常让人惊喜的更新。 Android语音识别 Android系统集成了Google的语音识别技术，我们只需要实现少量代码便可以是使用语音识别。 android语音识别方法一：使用intent调用语音识别程序 1、通过intent传递语音识别的模式 Intent intent = new Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH); 2、语言模式和自由形势的语音识别 intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL,https://www.wendangku.net/doc/7b15518260.html,NGUAG E_MODEL_FREE_FORM); 3、设置语言库 intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE, Locale.CHINA.toString()); 4、开始执行intent、语音识别 intent.putExtra(RecognizerIntent.EXTRA_PROMPT, "请开始说话"); 5、开始 startActivityForResult(intent, 1234); RecognizerIntent包括的常量：

中国蜂业现状及存在的问题

中国蜂业现状及存在的问题一、中国蜂业生产现状 2005年，饲养的蜜蜂数量已达730万群，其中西方蜜蜂约占 2／3 ，东方蜜蜂约占 1／3。东方蜜蜂以生产蜂蜜为主，西方蜜蜂生产主要分为两类：一类是生产蜂蜜为主，另一类以生产蜂王浆为主。养蜂发达地区的蜂农以生产蜂王浆为主，如江浙一带。相对来说，中国西南部、东北部等地区以生产蜂蜜为主。 2005 年，中国蜂蜜产量为 29．3万t、蜂王浆产量为3000t、蜂花粉产量为 5 000t、蜂胶产量为 350t、蜂蜡产量为4000t。全国现有蜂农约30 万人，分为专业养蜂者和业余养蜂者。中国由于疆域广阔，植被众多，一年四季均有蜜源植物开花泌蜜，很适合养蜂。据初步调查，现被蜜蜂采集利用的蜜粉源植物有14317种，分属于864 属，141科，分别占全国被子植物的 58．77％、29．32％和48．45％。其中主要辅助蜜源植物66种，主要粉源植物24 种。中国能够生产大宗商品蜜的全国性和区域性主要蜜源植物 50 多种。东北地区的主要大宗蜜源植物有椴树、油菜、胡枝子、向日葵，华北地区主要有荆条、枣树、刺槐，西北地区主要有枣树、刺槐、百里香、老瓜头、养麦，华中地区主要有油菜、紫云英、乌桕、黄荆、棉花、柃木，华南地区主要有荔枝、龙眼、山乌桕、蜡烛果、窿缘桉、鹅掌柴、米碎花，西南地区主要有油菜、白刺花、乌桕、黄荆、鹅掌柴、米碎花、野坝子、东紫苏。近年来，由于农业结构调整和砍伐现象，中国的蜜源情况也相应地发生了变化。二、中国蜂业销售现状目前，中国蜂业企业的销售范围主要包括蜂产品、种王、蜂药、蜂机具等，其中大多数企业从事蜂产品的生产和销售。 1．蜂产品加工、出口贸易、经营企业现状据中国蜂产品协会公布的数据显示，目前中国蜂产品加工企业约2000 家，遍及全国各

语音识别技术

目前主流的语音识别技术是基于统计模式识别的基本理论。一个完整的语音识别系统可大致分为三部分：（1）语音特征提取：（2）声学模型与模式匹配（识别算法）（3）语义理解：计算机对识别结果进行语法、语义分析。语音识别技术，也被称为自动语音识别Automatic Speech Recognition，(ASR)，语音识别的发展简史 1952年AT& T Bell实验室实现了一个单一发音人孤立发音的十个英文数字的语音识别系统，到现在的人机语音交互。语音识别研究从二十世纪50年代开始到现在历半个多世纪的蓬勃发展，在这期间获得了巨大的进展。现代语音识别技术研究重点包括即兴口语的识别和理解，自然口语对话，以及多语种的语音同声翻译。语音识别应用的特点 1.语音识别系统必须覆盖的功能包括：（1）语音识别系统要对用户有益（希望它是能检测到的）。例如提高生产率，容易使用，更好的人机界面，或更自然的信息交流模式。（2）语音识别系统要对用户“友好”。这种“友好”的含义是：用户在和系统进行语音对话时感到舒适；系统的语音提示既有帮助，又很亲近。（3）语音识别系统必须有足够的精度（4）语音识别系统要有实时处理能力；例如系统对用户询问的响应时间要很短。 2. 语音识别错误的处理有以下四种方式可以处理这个问题。（1）错误弱化法。这种处理仅仅花费用户很少一点时间，对用户几乎没什么其它不利影响。（2）错误自检纠正法系统利用已知任务的限制自动地检测并纠正错误。（3）确认或多层次判定

（4）拒绝/转向人工座席。系统对其中通常较易导致系统识别错误的极少部分语音指令拒绝做出识别决定，而是将其转给人工座席。在很多情况下，语音识别技术可以充分发挥出RFID的潜能： 1.积压产品、脱销产品 2.被废弃、被召回或已过期产品 3.回收的商品 4.促销产品 RFID系统在利用原有语音导向投资的情况下可以大大增加收益语音识别技术在邮件分拣中的应用现代化分拣设备在邮政上的应用大大提高了邮件处理的效率。但是，并不是所有的邮件都能上分拣机处理，那些需要人工处理的邮件成了邮政企业实现自动化的瓶颈。邮政使用人工标码技术以及先进的计算机软件系统来处理不能上机的邮件，仍需要大量的劳动力。由MailCode公司开发并准备申请专利的Spell-ItTM软件技术通过提高系统数据库能力的方式对语音识别自动化设备进行了革命性的变革。这种技术提供了无限的数据库能力，并且保证分拣速度不会因数据库的增大而减小。由各大语音引擎公司开发的系统还支持世界上的各种主要语言，这样，语音技术就成为世界性的产品。以英语语音识别系统为例，系统建立了36个可识别字符26个字母加上0～9的10个数字，同时还建立了一套关键词。Spell-It软件使用这些字符来识别成千上万的口语词汇和无数的词语组合。对于大公司的邮件收发中心来说，使用MailCode公司的Spell-It软件技术，分拣员实际上只需发出几个字符的音来找到和数据库中相对应的词。例如：碰到了寄给Joseph Schneider的邮件，操作员只需发出“J”、“S”、“C”和“H”几个音就可以得到准确的分拣信息。姓名和邮箱编码：Jennifer Schroeder, 软件工程部；Joseph Schneider, 技术操作部；Josh Schriver, 技术操作部，因为这三个姓名全都符合（J,S,C,H）的发音标准。邮件中心的操作员知道邮件实际上是寄给Joseph Schneider的，就可以把邮件投入Joseph Schneide的信箱了。邮局要把邮件按投递路线分发，分拣员必须熟悉长长的投递段列表以及各种各样的国际邮件投递信息。Spell-It技术把地址、投递路线等信息都存入了系统，这样就大大方便了分拣工作。例如，有一件寄往Stonehollow 路2036号的邮件。使用语音识别技术，分拣员仅仅需要发出“2”、“0”、“S”、“T”和“O”几个音，如表2所示，数据库就会给出所有可能和这几

语音识别研究的背景意义及现状

语音识别研究的背景意义及现状研究的背景及意义自从人类可以制造和使用各种机器以来，人们就有一个理想，那就是让各种机器能听懂人类的语言并能按人的口头命令来行动，从而实现人机的语言交流。随着科学技术的不断发展，语音识别 (Speech Recognition) 技术的出现，使人类的这一理想得以实现。语音识别技术就是让机器通过识别和理解把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科，语音识别正逐步成为信息技术中人机接口的关键技术，语音识别技术与语音合成技术的结合，使人们能够甩掉键盘，通过语音命令进行操作。语音技术的应用已经成为一个具有竞争性的新兴高技术产业。当今，语音识别产品在人机认交互应用中己经占到越来越大的比例。音乐就是一种艺术。通常可以解释为一系列对于有声、无声具有时间性的组织，并含有不同音阶的节奏、旋律及和声。音乐与人的生活情趣、审美情趣、言语、行为、人际关系等等，有一定的关联。音乐是人们抒发感情、表现感情、寄托感情的艺术，不论是唱、奏或听，都内涵着关联人们千丝万缕情感的因素。特别对人的心理，会起着不能用言语所能形容的影响作用。音乐可以通过几种途径来体验，而音乐播放器是现代生活中最便捷 , 最实用的一种。现如今社会在飞速发展，人们的生活节奏也在不断加快，工作压力也在日益增大，致使越来越多的人选择在闲暇时间放松自己。而听音乐就成了人们缓解生活压力的第一选择，医学表明音乐不仅可以对人们紧张的心情带来放松，还能有效的缓解高血压对心血管造成的压力。因此音乐播放器已经成为人们日常生活中至关重要的物品。然而可惜的是，传统的音乐播放器通常上是通过两种方式实现人们对播放器的控制的：一是按键式控制(其中也包括线控式)，通过直接按键改变电平发出指令；二是通过远程控制，通过红外线或者蓝牙等对播放器发布命令。这对于疲劳中的人们或者残障人士来说是不方便的。为了减少手动操作的繁琐，此次设计专门致力于研究一种方案通过语音控制来实现对音乐播放器的控制，使其更加方便、更加人性化，实现音乐播放器的全自动语音控制。这个设计不仅是为了解决人们日常使用传统音乐播放器不方便的烦恼，而且是为了研究语音识别技术在单片机中的应用，特别是在SPCE061中实现语音识别的应用，设计出具有语音控制功能的音乐播放器。国内外研究现状语音识别的研究工作可以追溯到 20世纪50年代AT&T贝尔实验室的Audry 系统，它是第一个可以识别十个英文数字的语音识别系统。但真正取得实质性进展，并将其作为一个重要的课题开展研究则是在 60年代末

语音识别技术文献综述

语音识别技术综述 The summarization of speech recognition 张永双苏州大学摘要本文回顾了语音识别技术的发展历史，综述了语音识别系统的结构、分类及基本方法，分析了语音识别技术面临的问题及发展方向。关键词：语音识别；特征；匹配 Abstact This article review the courses of speech recognition technology progress ,summarize the structure,classifications and basic methods of speech recognition system and analyze the direction and the issues which speech recognition technology development may confront with. Key words: speech recognition;character;matching 引言语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科，所涉及的领域有信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等，甚至还涉及到人的体态语言（如人民在说话时的表情手势等行为动作可帮助对方理解）。其应用领域也非常广，例如相对于键盘输入方法的语音输入系统、可用于工业控制的语音控制系统及服务领域的智能对话查询系统，在信息高度化的今天，语音识别技术及其应用已成为信息社会不可或缺的重要组成部分。 1.语音识别技术的发展历史语音识别技术的研究开始二十世纪50年代。1952年，AT&Tbell实验室的Davis等人成功研制出了世界上第一个能识别十个英文数字发音的实验系统：Audry系统。

语音识别方法及发展趋势分析

语音识别改进方法及难点分析 ——《模式识别》结课小论文学院：化工与环境学院学号：2120151177 姓名：杜妮

摘要：随着计算机技术的不断发展，人工智能程度也越来越高，作为人工智能的一部分——模式识别也在模型和算法上愈发成熟。本文根据近105年文献，分析最新声音识别的方法和应用。关键字：模式识别声音识别方法应用随着人工智能的迅速发展，语音识别的技术越来越成为国内外研究机构的焦点。人们致力于能使机器能够听懂人类的话语指令，并希望通过语音实现对机器的控制。语音识别的研究发展将在不远的将来极大地方便人们的生活。语音识别大致的流程包括：特征提取、声学模型训练、语音模型训练以及识别搜索算法。作为一项人机交互的关键技术，语音识别在过去的几十年里取得了飞速的发展，人们在研究和探索过程中针对语音识别的各部流程进行了各种各样的尝试和改造，以期发现更好的方法来完成语音识别流程中的各步骤，以此来促进在不同环境下语音识别的效率和准确率。本文通过查阅近10年国内外文献，分析目前语音识别流程中的技术进展和趋势，并在文章最后给出几项语音识别在日常生活中的应用案例，从而分析语音识别之后的市场走势和实际利用价值。一、语音识别的改进方法 (一)特征提取模块改进特征提取就是从语音信号中提取出语音的特征序列。提取的语音特征应该能完全、准确地表达语音信号，特征提取的目的是提取语音信号中能代表语音特征的信息，减少语音识别时所要处理的数据量。语音信号的特征分析是语音信号处理的前提和基础，只有分析出可以代表语音信号本质特征的参数，才能对这些参数进行高效的语音通信，语音合成，和语音识别等处理，并且语音合成的好坏，语音识别率的高低，也都取决于语音特征提取的准确性和鲁棒性。目前，针对特定应用的中小词汇量、特定人的语音识别技术发展已较为成熟，已经能够满足通常应用的要求，并逐步投入了实用。而非特定人、大词汇量、连续语音识别仍是

语音识别技术的现状与未来

语音识别技术的现状与未来 The Present and Future of Speech Recognition （CSLT-TRP-20160034）王东（Dong Wang） 2017/01/08 CSLT, RIIT, Tsinghua Univ.

语音识别任务及其研究意义语音识别(Automatic Speech Recognition, ASR)是指利用计算机实现从语音到文字自动转换的任务。在实际应用中，语音识别通常与自然语言理解、自然语言生成和语音合成等技术结合在一起，提供一个基于语音的自然流畅的人机交互方法。早期的语音识别技术多基于信号处理和模式识别方法。随着技术的进步，机器学习方法越来越多地应用到语音识别研究中，特别是深度学习技术，它给语音识别研究带来了深刻变革。同时，语音识别通常需要集成语法和语义等高层知识来提高识别精度，因此和自然语言处理技术息息相关。另外，随着数据量的增加和机器计算能力的提高，语音识别越来越依赖数据资源和各种数据优化方法，这使得语音识别与大数据、高性能计算等新技术产生广泛结合。综上所述，语音识别是一门综合性应用技术，集成了包括信号处理、模式识别、机器学习、数值分析、自然语言处理、高性能计算等一系列基础学科的优秀成果，是一门跨领域、跨学科的应用型研究。语音识别研究具有重要的科学价值和社会价值。语音信号是典型的局部稳态时间序列，研究这一信号的建模方法具有普遍意义。事实上，我们日常所见的大量信号都属于这种局部稳态信号，如视频、雷达信号、金融资产价格、经济数据等。这些信号的共同特点是在抽象的时间序列中包括大量不同层次的信息，因而可用相似的模型进行描述。历史上，语音信号的研究成果在若干领域起过重要的启发作用。例如，语音信号处理中的隐马尔可夫模型在金融分析、机械控制等领域都得到了广泛应用。近年来，深度神经网络在语音识别领域的巨大成功直接促进了各种深度学习模型在自然语言处理、图形图象处理、知识推理等众多应用领域的发展，取得了一个又一个令人惊叹的成果。在实用价值方面，语音交互是未来人机交互的重要方式之一。随着移动电话、穿戴式设备、智能家电等可计算设备的普及，基于键盘、鼠标、触摸屏的传统交互方式变得越来越困难。为了解决这种困难，手势、脑波等一系统新的人机交互方式进入人们的视野。在这些五花八门的新兴交互方式中，语音交互具有自然、便捷、安全和稳定等特性，是最理想的交互方式。在语音交互技术中，语音识别是至关重要的一环：只有能“听懂”用户的输入，系统才能做出合理的反应。今天，语音识别技术已经广泛应用在移动设备、车载设备、机器人等场景，在搜索、操控、导航、休闲娱乐等众多领域发挥了越来越重要的作用。随着技术越来越成熟稳定，我们相信一个以语音作为主要交互方式的人机界面新时代将很快到来。研究内容和关键科学问题语音识别研究主要包括如下三方面内容：语音信号的表示，即特征抽取；语音信号和语言知识建模；基于模型的推理，即解码。语音信号的复杂性和多变性使得这三方面的研究都面临相当大的挑战。图1给出一个语音识别系统的典型架构。

河南省养蜂业概况及其发展前景

河南省养蜂业概况及其发展前景 ●河南蜂业概况一、悠久的蜜蜂文化中华蜜蜂文化，最早可以追溯到我省舞阳县贾湖遗址的发现。贾湖遗址是距今9 000年前新石器早期文化遗址，在这里发现了世界上最早的酿酒坊。由中科大与美国宾夕法尼亚大学2004年12月发表在美国《国家科学院学报》上的贾湖遗址联合考古报告证明，贾湖先民已经开始酿酒，其成分主要是蜂蜜、稻米、山楂、葡萄等，古人已经掌握添加蜂蜜自然发酵酿酒的工艺，也开创了华夏文明的蜜酒文化之源。河南舞阳贾湖为代表的文化遗址和郑州、洛阳、三门峡地区的仰韶文化遗址就是伏羲、女娲以及皇帝族的文化遗存。华夏人类文明的源头就与华夏蜜蜂文化的源头有机的结合在一起，女娲部落从事蜜蜂产品的采集，而伏羲部落从事蜜蜂产品的加工，9000年前就已经酿造出世界上最古老的蜜酒。二、我省蜂业发展现状河南省位于中国中部偏东地区，黄河中下游。东西长约580公里，南北长约550公里。全省土地面积1 6.7 万平方公里（居全国第17位，占全国总面积的1.74%），2008年底总人口9918万人，居全国第一。我省平原广袤，大河纵横，气候温和，交通便利，蜜粉源植物种类繁多区分布集中，发展养蜂具有得天独厚的条件。河南现已成为主要的蜜蜂产品商品基地，在全国占有重要的地位。 ●发展养蜂业的自然条件

河南省蜜源植物种类多，面积大，分布广，花期长，是蜜源条件较好的省份之一。从早春3月的榆、柳花期到晚秋10月的野菊花，全省蜜源花期长达8个月。其中能提供商品蜜的主要蜜源植物有刺槐、泡桐、枣树、芝麻等十几种。全省现有成片分布的刺槐林23.3万公顷，平原种植刺槐 6.5亿株。刺槐在全省各地均有分布，集巾成片的林带主要在豫西山区及黄河故道区。刺槐花期 7－10天，本地刺槐流蜜期从4月中旬至5月中旬将蜂群适时进行转地，在省内可连续采2－3个花期。丰年，群产蜜可达30－50kg。泡桐是本省特有的主要蜜源植物之一。它开花早，泌蜜多，分布集中。全省农田间种的成年林有 5 万多公顷，在四旁种植的有 4.1亿株，集中分布在商正、开封、郑州、许昌五地市，以农桐间作为丰要栽培方式。本省广为种植的泡桐品种较多，花期交错，从4月中旬始花到5月中旬结束。—般年景，每群蜂可产蜜15－20kg。本省是全国最大的芝麻蜜源基地，播种面积19.8万公顷左右，7 月中旬开花，不同品种花期前后铅外，持续到8月下旬结束，历时40多天。一般年景，每群蜂可产蜜15kg左右，高者可达40kg。丰富的蜜源为河南养蜂业发展奠定了坚实的物质基础，短途转地一年可赶4－5个主要蜜源花期，使河南成为全国较理想的养蜂地区之一。本省各种主要蜜源植物总面积约200万公顷。据计算，贮蜜量约18万吨，每年可为社会提供商品蜜6万吨左右，相当于现在年产量的3－4倍。油菜、紫云英花期可载蜂80万群，产商品蜜1.4万吨；刺槐花期可载蜂70－120万群，商品蜜产量约在1.1万吨以上；枣树花期可载蜂40万群，产商品蜜8000吨以上，芝麻花期载蜂70万群，产商品蜜8000吨6荆条花期载蜂30万群；棉花花期载蜂100万群；泡桐花期载蜂20万群，其它主要蜜源花期载蜂180万群次，按每群蜂年利用4个主要蜜源花期计算，全省可饲养蜜蜂140万群。我省养蜂业现状，存在的问题截至目前，我国的蜂群数量已达820万群，成为世界第一大蜂群拥有国，蜂群数量占全世界的1/8。我省拥有丰富的蜜源，蜂蜜年总产量为２．５３万吨，蜂蜜产品年出口１．６万吨，居全国第二，蜂蜡年产量３０００吨，居全国第一。蜂群的饲养办法主要有以下几种： 1、补助饲养：即在蜜源缺乏时所进行的人工饲喂。其方法有：①补饲蜂蜜。可用蜂蜜加温水二成稀释（结晶蜂蜜，需稍加水煮溶）。稀释后的蜂蜜，可采用灌脾的方法或者倒人框式饲养器内饲喂蜜蜂。②补饲糖浆。糖浆是以白糖加水五成，经加热充分溶解后凉至微温，最好在糖浆中加入0.1％的柠檬酸，以利于消化和吸收，此时不宜用红糖。 2、奖励饲养：在蜂群繁殖期和蜜蜂生产期所进行的人工饲喂。一般给少量60%蜜液或50%的糖浆，早春时隔日1次，以后消耗增加，可每天1次，时间从流蜜期前40天起，直到外界有大量蜜粉采人为止。每框蜂每次奖励50～100克糖浆即可。

语音识别研究的背景意义及现状

语音识别研究的背景意义及现状研究的背景及意义自从人类可以制造和使用各种机器以来，人们就有一个理想，那就是让各种机器能听懂人类的语言并能按人的口头命令来行动，从而实现人机的语言交流。随着科学技术的不断发展，语音识别(Speech Recognition)技术的出现，使人类的这一理想得以实现。语音识别技术就是让机器通过识别和理解把语音信号转变为相应的文本或命令的高技术。语音识别是一门交叉学科，语音识别正逐步成为信息技术中人机接口的关键技术，语音识别技术与语音合成技术的结合，使人们能够甩掉键盘，通过语音命令进行操作。语音技术的应用已经成为一个具有竞争性的新兴高技术产业。当今，语音识别产品在人机认交互应用中己经占到越来越大的比例。音乐就是一种艺术。通常可以解释为一系列对于有声、无声具有时间性的组织，并含有不同音阶的节奏、旋律及和声。音乐与人的生活情趣、审美情趣、言语、行为、人际关系等等，有一定的关联。音乐是人们抒发感情、表现感情、寄托感情的艺术，不论是唱、奏或听，都内涵着关联人们千丝万缕情感的因素。特别对人的心理，会起着不能用言语所能形容的影响作用。音乐可以通过几种途径来体验，而音乐播放器是现代生活中最便捷,最实用的一种。现如今社会在飞速发展，人们的生活节奏也在不断加快，工作压力也在日益增大，致使越来越多的人选择在闲暇时间放松自己。而听音乐就成了人们缓解生活压力的第一选择，医学表明音乐不仅可以对人们紧张的心情带来放松，还能有效的缓解高血压对心血管造成的压力。因此音乐播放器已经成为人们日常生活中至关重要的物品。然而可惜的是，传统的音乐播放器通常上是通过两种方式实现人们对播放器的控制的：一是按键式控制（其中也包括线控式），通过直接按键改变电平发出指令；二是通过远程控制，通过红外线或者蓝牙等对播放器发布命令。这对于疲劳中的人们或者残障人士来说是不方便的。为了减少手动操作的繁琐，此次设计专门致力于研究一种方案通过语音控制来实现对音乐播放器的控制，使其更加方便、更加人性化，实现音乐播放器的全自动语音控制。这个设计不仅是为了解决人们日常使用传统音乐播放器不方便的烦恼，而且是为了研究语音识别技术在单片机中的应用，特别是在SPCE061A中实现语音识别的应用，设计出具有语音控制功能的音乐播放器。国内外研究现状

我国养蜂业的发展现状与发展方向

我国养蜂业的发展现状与发展方向摘要：随着我国经济的发展，养蜂业也在不断地壮大。针对我国养蜂业现状,就如何实现我国养蜂业可持续发展的做出了一定地思考关键词：养蜂业；现状；问题；发展我国是世界养蜂大国，蜂群数量和蜂产品产量多年来一直稳居世界首位。它一直是农业的重要组成部分,是一项集经济、社会、生态效益于一体的事业。养蜂业不与种植业争土地和肥料,也不与养殖业争饲料,更不会污染环境,因此完全可以说养蜂是有百益而无一害的行业。但现状是我国养蜂业可持续发展的根基还不稳固，标准化规模生产水平不高，组织化程度很低，一些蜂农的合法权益得不到保障，特别是蜜蜂授粉促进农作物增产观念还没有深入人心，养蜂对农作物增产应有的功效远未发挥，与世界养蜂业发达国家尚有较大的差距。本文就养蜂业存在的问题与发展方向进行分析。一、我国养蜂业的现状（一）众多困难阻碍我国养蜂业的发展 1、近年来，假冒伪劣蜂产品对优质蜂产品的冲击很大。蜂蜜市场假劣泛滥，养蜂人的利益遭受严重侵害。 2、蜜蜂授粉增产的意识不强。与美国等发达国家相比，国内对蜜蜂授粉的重要性认识还不足，宣传力度不够，专业性授粉蜂群数量较少，养蜂为农作物授粉增产技术普及率不高。 3、养蜂业组织化程度低。近年来，部分地方养蜂管理机构逐渐弱化，养蜂行业组织发展还比较滞后，技术推广、维权服务、产销衔接等职能没有充分发挥，养蜂者的合法权益难以保障。 4、蜂产品的价格太低，质量达不到标准，所以影响我国蜂产品出口数量。本来要进入国际市场的蜂产品，却大量涌入国内市场，造成外需小，内需压力过大，所以价格偏低。由于蜂产品的价格问题，蜂农为了降低成本不生产成熟封盖蜜，蜂产品质量降低。这样便形成了恶性循环。

语音识别技术的发展与未来

语音识别技术的发展与未来-标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII

语音识别的发展及应用

语音识别的发展及应用本文介绍了隐马尔可夫模型（Hidden Markov Model，HMM），传统的人工神经网络语音识别方法以及改进的人工神经网络，针对最近研究热点深度学习在语音识别中的应用做了详细的描述，并对与人工神经网络在语音识别中的缺点进行阐述，就如何将HMM与深度神经网络联合起来运用到语音识别中进行详细的分析与介绍。标签：隐马尔科夫模型人工神经网络深度学习一、引言伴随着计算机技术的不断进步以及人工智能学科的飞速发展。人们对大脑学习、思维机能的研究逐渐深入。人工神经网络作为借鉴人脑神经元互相连结构的信息处理网络，受到了广泛的关注。深度学习作为人工神经网络的一个分支，能够从海量的数据中挖掘到有效的信息，成为语音识别领域的一个研究热点。二、隐马尔科夫模型隐马尔可夫模型[3]（HMM）是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以，隐马尔可夫模型是一个双重随机过程——具有一定状态数的隐马尔可夫链和显示随机函数集。隐马尔科夫模型（HMM）可以用五个元素来表示，包括两个状态集合和三个概率矩阵：1.隐含状态S;2.可转移状态O;3aaaa.初始状态概率矩阵π;4.隐含状态转移概率矩阵A;5.观测状态转移概率矩阵B。一般的，可以用λ=（A，B，π）三元组来简洁的表示一个隐马尔科夫模型。应用隐马尔科夫模型通常解决三类基本问题：1.评估问题;2.解码问题;3.学习问题。隐马尔可夫模型是目前进行声学建模的主流技术。采用5状态的连续HMM 模型（见图1），其中1、5状态只起连接作用，没有观测概率，第2、3、4状态有高斯概率分布，假设特征参数是相互独立的，所以规定协方差矩阵为对角阵。图1 五状态HMM模型结构三、深度神经网络模型 1.神经网络的基本概念神经网络即人工神经网络，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法的数学模型。此网络依靠系统的复杂程度，通过调整内部大

语音识别开题报告

青岛大学毕业论文(设计)开题报告题目：孤立词语音识别的并行编程实现学院：自动化工程学院电子工程系专业：通信工程姓名：李洪超指导教师：庄晓东 2010年3月22日

一、文献综述语音识别是解决机器“听懂”人类语言的一项技术。作为智能计算机研究的主导方向和人机语音通信的关键技术，语音识别技术一直受到各国科学界的广泛关注。如今，随着语音识别技术研究的突破，其对计算机发展和社会生活的重要性日益凸现出来。以语音识别技术开发出的产品应用领域非常广泛，如声控电话交换、信息网络查询、家庭服务、宾馆服务、医疗服务、银行服务、工业控制、语音通信系统等，几乎深入到社会的每个行业和每个方面。广泛意义上的语音识别按照任务的不同可以分为4个方向：说话人识别、关键词检出、语言辨识和语音识别[1]。说话人识别技术是以话音对说话人进行区别，从而进行身份鉴别和认证的技术。关键词检出技术应用于一些具有特定要求的场合，只关注那些包含特定词的句子。语言辨识技术是通过分析处理一个语音片断以判别其所属语言种类的技术，本质上也是语音识别技术的一个方面。语音识别就是通常人们所说的以说话的内容作为识别对象的技术，它是4个方面中最重要和研究最广泛的一个方向，也是本文讨论的主要内容。 1.1 语音识别技术现状 1.1.1 语音识别获得应用伴随着语音识别技术的不断发展，诞生了全球首套多语种交谈式语音识别系统E-talk。这是全球惟一拥有中英混合语言的识别系统，能听能讲普通话、广东话和英语，还可以高度适应不同的口音，因而可以广泛适用于不同文化背景的使用者，尤其是中国地区语言差别较大的广大用户。由于E-talk可以大大提高工作效率，降低运营成本，并为用户提供更便捷的增值服务，我们相信它必将成为电信、证券、金融、旅游等重视客户服务的行业争相引用的电子商务应用系统，并成为电子商务发展的新趋势，为整个信息产业带来无限商机。目前，飞利浦推出的语音识别自然会话平台SpeechPearl和SpeechMania已成功地应用于国内呼叫中心，SpeechPearl中的每个识别引擎可提供高达20万字的超大容量词库，尤其在具有大词汇量、识别准确性和灵活性等要求的各种电信增值服务中有着广泛的应用。 1.1.2 语音合成信息服务被用户接受语音合成技术把可视的文本信息转化为可听的声音信息，其应用的经济效益和社会效益前景良好。尤其对汉语语音合成技术的应用而言，全球有十几亿人使用中文，其市场需求、应用前景和经济效益等可见一斑。