人的發聲器官可以分為兩個部 分，即聲道和聲帶。如果直接讓機器人理解我們說的話，難度比較大，將人類語 言轉化為機器人可以理解識別的信號，就是一個很好的途徑。如果將整個過程看 為一個信號過程的話，聲帶是發生源，聲道相當于一個諧振時的聲帶振動，可用 一個脈沖串發生器代替。發一些有聲帶振動的音時，可用一個脈沖串發生器代 替。發一些無振音的時候，因為聲帶并不振動，而是從喉管發出的，只是一般的 隨機氣流，可以用一個噪聲發生器代替。上文介紹過，聲音的強弱是變化的，用 一個增益因子K 來表示的話

通過上面的辦法，我們可以把語音信號轉化為機器人能夠理解的電信號， 那么機器人又要怎樣去理解呢?

由于人類的語言非常復雜，無論哪個民族，其詞匯量都非常大，即使是同一個 人，他的發音也隨著環境及身體情況的變化而變化。目前在大詞匯語音識別方面處 于L先地位的IBM 語音研究小組，就是在70年代開始了大詞匯語音識別研究工作 的 。AT&A 的貝爾研究所也開始了一系列有關非特定人語音識別的實驗。這一研究 歷經10年，其成果是確立了如何制作用于非特定人語音識別的標準模板的方法。

關于語音識別，表4-1介紹了三種主要模式。

頻譜圖法

將語音信號的頻譜沿著時間軸加以展開，制成頻譜圖。此法是取語音信號的頻率 特性作為比較基礎。此種方法識別精度一般，適用于對少量語音的識別，及對特定 人說話的場合

LPC法

即線性預估編碼法，此法是對語音信號抽取LPC系數，然后與參考樣板的LPC系 數加以比較，計算出其間的“差距”。LPC法是模擬人的發音器官構造而設計的。因 此，LPC系數就代表發音器官腔調的不同狀態。此法也用于特定人的語音識別

隱藏式馬可夫模式

此法可用于非特定人的語音識別。即要識別不同人的發音，并且對同一個人發同一 個音，每次發音也未必一致。這需要有大量的“儲存”與“比較”。此法是采用“統 籌”的理論，建立語音的狀態轉移模式。經大量的語音資料得出模式的“概率”,選 出“相似率”Z高者

語音識別系統的模型通常由聲學模型和語言模型兩部分組成，分別對應于 語音到音節概率的計算和音節到字概率的計算。在聲學模型方面，我們介紹一下 HMM 聲學模型。

HMM 聲學建模：馬爾可夫模型的概念是一個離散時域有限狀態自動機，隱 馬爾可夫模型HMM 是指這一馬爾可夫模型的內部狀態外界不可見，外界只能看 到各個時刻的輸出值。對語音識別系統，輸出值通常就是從各個幀計算而得的聲 學特征。用HMM 刻畫語音信號需作出兩個假設，一是內部狀態的轉移只與上一 狀態有關，另一是輸出值只與當前狀態(或當前的狀態轉移)有關，這兩個假設 大大降低了模型的復雜度。HMM 的打分、解碼和訓練相應的算法是前向算法、 Viterbi算法和前向后向算法。

總的來說，語音識別技術就是讓機器通過識別和理解過程把語音信號轉變 為相應的文本或命令的高技術，其技術流程圖如圖4-17所示。語音識別技術主 要包括特征提取技術、模式匹配準則及模型訓練技術三個方面。語音識別技術車 聯網也得到了充分的引用，例如在翼卡車聯網中，只需按照一鍵通客服人員口述 要求即可設置目的地直接導航，安全、便捷。語音識別技術正朝著能識別任意人 發音的方向發展。