語音識別概述
最近，由于其重大的理論意義和實用價值，語音識別已經受到越來越多的關注。到現在為止，多數的語音識別是基于傳統的線性系統理論，例如隱馬爾可夫模型和動態(tài)時間規(guī)整技術。隨著語音識別的深度研究，研究者發(fā)現，語音信號是一個復雜的非線性過程，如果語音識別研究想要獲得突破，那么就必須引進非線性系統理論方法。最近，隨著非線性系統理論的發(fā)展，如人工神經網絡，混沌與分形，可能應用這些理論到語音識別中。因此，本文的研究是在神經網絡和混沌與分形理論的基礎上介紹了語音識別的過程。
語音識別可以劃分為獨立發(fā)聲式和非獨立發(fā)聲式兩種。非獨立發(fā)聲式是指發(fā)音模式是由單個人來進行訓練，其對訓練人命令的識別速度很快，但它對與其他人的指令識別速度很慢，或者不能識別。獨立發(fā)聲式是指其發(fā)音模式是由不同年齡，不同性別，不同地域的人來進行訓練，它能識別一個群體的指令。一般地，由于用戶不需要操作訓練，獨立發(fā)聲式系統得到了更廣泛的應用。 所以，在獨立發(fā)聲式系統中，從語音信號中提取語音特征是語音識別系統的一個基本問題。