（中國(guó)人民解放軍63888部隊(duì) 濟(jì)源 459000）

1 引言

目前語(yǔ)音通信干擾效果評(píng)估系統(tǒng)中，一般是首先建立無(wú)線電臺(tái)通信專向，發(fā)方發(fā)送語(yǔ)音報(bào)文或鍵報(bào)，被試干擾設(shè)備進(jìn)行干擾，收方進(jìn)行報(bào)文抄收；然后將所抄報(bào)文與報(bào)底校對(duì)，計(jì)算報(bào)文正確率來(lái)評(píng)估干擾設(shè)備的干擾效果，以鑒定設(shè)備性能是否達(dá)到技術(shù)指標(biāo)要求。這種主觀評(píng)估方法過(guò)程中存在許多人為因素，如抄報(bào)人員的抄收水平、精神狀態(tài)以及對(duì)方報(bào)文發(fā)送的規(guī)范與否等因素，都會(huì)對(duì)評(píng)估結(jié)果帶來(lái)一定影響。

隨著通信技術(shù)不斷提高，語(yǔ)音通信干擾效果評(píng)估方法在逐步向客觀評(píng)估轉(zhuǎn)變，本文在介紹客觀評(píng)估系統(tǒng)的基礎(chǔ)上，分析研究了語(yǔ)音識(shí)別關(guān)鍵技術(shù)，以及基于小語(yǔ)音庫(kù)的語(yǔ)音識(shí)別技術(shù)在客觀評(píng)估系統(tǒng)中的應(yīng)用，并給出了應(yīng)用方法。

2 客觀評(píng)估系統(tǒng)概述

語(yǔ)音通信干擾客觀評(píng)估系統(tǒng)通過(guò)比對(duì)受干擾前的原始語(yǔ)音與受干擾后的語(yǔ)音的參數(shù)特征，實(shí)現(xiàn)干擾效果的客觀評(píng)估。系統(tǒng)組成包括報(bào)文產(chǎn)生及控制終端、發(fā)信電臺(tái)、收信電臺(tái)、語(yǔ)音處理終端、收端計(jì)算機(jī)等，系統(tǒng)功能框圖如圖1所示。

系統(tǒng)工作流程為：發(fā)送端計(jì)算機(jī)將數(shù)字報(bào)文轉(zhuǎn)換成語(yǔ)音報(bào)文（.wav文件），并產(chǎn)生控制信號(hào)控制電臺(tái)（PTT）進(jìn)行發(fā)射，同時(shí)將已產(chǎn)生的語(yǔ)音報(bào)文通過(guò)音頻輸出系統(tǒng)送入電臺(tái)音頻口，由電臺(tái)將語(yǔ)音報(bào)文自動(dòng)發(fā)送出去；在接收端，將無(wú)線電臺(tái)輸出的音頻送入計(jì)算機(jī)，由計(jì)算機(jī)進(jìn)行音頻采集，基于小語(yǔ)音庫(kù)范圍進(jìn)行語(yǔ)音識(shí)別，最后與發(fā)送端的報(bào)文比較進(jìn)行報(bào)文判決，給出誤碼率。

圖1 系統(tǒng)功能框圖

3 語(yǔ)音識(shí)別關(guān)鍵技術(shù)

語(yǔ)音識(shí)別系統(tǒng)基本構(gòu)造如圖2所示。

系統(tǒng)分為前端處理和后端處理兩部分，前端處理部分包括語(yǔ)音的錄入、處理、特征值的提取。后端處理是一個(gè)跨數(shù)據(jù)庫(kù)的搜索過(guò)程，分為訓(xùn)練和識(shí)別，訓(xùn)練是對(duì)所建的模型進(jìn)行評(píng)估、匹配、優(yōu)化，獲得模型參數(shù)；識(shí)別是一個(gè)專用的搜索數(shù)據(jù)庫(kù)過(guò)程。獲取前端數(shù)值后，在聲學(xué)模型、語(yǔ)言模型和字典中進(jìn)行匹配。聲學(xué)模型表示一種語(yǔ)言的發(fā)音，可以通過(guò)訓(xùn)練來(lái)識(shí)別特定用戶的語(yǔ)音模型和發(fā)音環(huán)境的特征。語(yǔ)言模型是對(duì)語(yǔ)料庫(kù)單詞規(guī)則化的概率模型。字典列出了大量的單詞及發(fā)音規(guī)則［1］。

總體上說(shuō)語(yǔ)音識(shí)別是一個(gè)模式識(shí)別、匹配的過(guò)程，在這個(gè)過(guò)程中，計(jì)算機(jī)首先要根據(jù)人的語(yǔ)音特點(diǎn)建立語(yǔ)音模型，對(duì)輸入的語(yǔ)音信號(hào)進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語(yǔ)音識(shí)別所需的模板。然后，在識(shí)別過(guò)程中，計(jì)算機(jī)根據(jù)語(yǔ)音識(shí)別的整體模型，將計(jì)算機(jī)中已經(jīng)存有的語(yǔ)音模板與輸入語(yǔ)音信號(hào)的特征進(jìn)行比較，并根據(jù)一定的搜索和匹配策略找出一系列最優(yōu)的與輸入語(yǔ)音匹配的模板。最后通過(guò)查表和判決算法給出識(shí)別結(jié)果［2］。

模型訓(xùn)練是指按照一定的準(zhǔn)則，從大量已知模式中獲取表征該模式本質(zhì)特征的模型參數(shù)，而模式匹配則是根據(jù)一定準(zhǔn)則，使未知模式與模型庫(kù)中的某一個(gè)模型獲得最佳匹配。顯然，識(shí)別結(jié)果與語(yǔ)音特征的選擇、聲學(xué)模型和語(yǔ)言模型的好壞、模板是否準(zhǔn)確等都有直接的關(guān)系［3］。

3.1 語(yǔ)音識(shí)別單元的選取

選擇識(shí)別單元是語(yǔ)音識(shí)別研究的第一步，語(yǔ)音識(shí)別單元有單詞（句）、音節(jié)和音素三種，應(yīng)該根據(jù)具體研究的識(shí)別系統(tǒng)的特點(diǎn)，選擇具體的識(shí)別單元。

單詞（句）單元廣泛應(yīng)用于中小詞匯語(yǔ)音識(shí)別系統(tǒng)，但不適合大詞匯系統(tǒng)，原因在于模型庫(kù)太龐大，訓(xùn)練模型任務(wù)繁重，模型匹配算法復(fù)雜，難以滿足實(shí)時(shí)性要求。

音節(jié)單元多見(jiàn)于漢語(yǔ)語(yǔ)音識(shí)別，因?yàn)闈h語(yǔ)是單音節(jié)結(jié)構(gòu)的語(yǔ)言，而英語(yǔ)是多音節(jié)語(yǔ)言。漢語(yǔ)大約有1300 個(gè)音節(jié)，如果不考慮聲調(diào)，約有408個(gè)無(wú)調(diào)音節(jié)，數(shù)量相對(duì)較少。因此，對(duì)于中、大詞匯量漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)來(lái)說(shuō)，以音節(jié)為識(shí)別單元基本是可行的。

音素單元以前多見(jiàn)于英語(yǔ)語(yǔ)音識(shí)別的研究中，但目前中、大詞匯量漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)也在越來(lái)越多地被采用。漢語(yǔ)音節(jié)僅由聲母和韻母構(gòu)成，而且聲、韻母聲學(xué)特性相差很大。在實(shí)際應(yīng)用中常把聲母依后續(xù)韻母的不同而構(gòu)成細(xì)化聲母，這樣雖然增加了模型數(shù)目，但提高了易混淆音節(jié)的區(qū)分能力。

3.2 特征參數(shù)提取

語(yǔ)音信號(hào)中含有豐富的信息，如何從中提取出對(duì)語(yǔ)音識(shí)別有用的信息是語(yǔ)音識(shí)別的關(guān)鍵。特征提取就是完成這項(xiàng)工作，它對(duì)語(yǔ)音信號(hào)進(jìn)行分析處理，去除對(duì)語(yǔ)音識(shí)別無(wú)關(guān)緊要的冗余信息，獲得影響語(yǔ)音識(shí)別的重要信息。對(duì)于非特定人語(yǔ)音識(shí)別來(lái)講，希望特征參數(shù)盡可能多地反映語(yǔ)義信息，盡量減少說(shuō)話人的個(gè)人信息（對(duì)特定人語(yǔ)音識(shí)別來(lái)講，則相反）。從信息論角度講，這是信息壓縮的過(guò)程。

線性預(yù)測(cè)（LP）分析技術(shù)是目前應(yīng)用比較廣泛的特征參數(shù)提取技術(shù)，許多成功的應(yīng)用系統(tǒng)都采用基于LP 技術(shù)提取的倒譜參數(shù)。但線性預(yù)測(cè)模型是純數(shù)學(xué)模型，沒(méi)有考慮人類聽(tīng)覺(jué)系統(tǒng)對(duì)語(yǔ)音的處理特點(diǎn)。

Mel參數(shù)和基于感知線性預(yù)測(cè)（PLP）分析提取的感知線性預(yù)測(cè)倒譜，在一定程度上模擬了人耳對(duì)語(yǔ)音的處理特點(diǎn)，應(yīng)用了人耳聽(tīng)覺(jué)感知方面的一些研究成果［4］。實(shí)驗(yàn)證明，采用這種技術(shù)能使語(yǔ)音識(shí)別系統(tǒng)的性能有一定提高。

MFCC 的分析著眼于人耳的聽(tīng)覺(jué)特性，因?yàn)槿硕?tīng)到的聲音的高低與聲音的頻率并不成線性正比關(guān)系，而用MEL頻率尺度則更符合人耳的聽(tīng)覺(jué)特性。MEL 頻率與實(shí)際頻率的具體關(guān)系可用公式（1）表示：

實(shí)際頻率f的單位是Hz。根據(jù)Zwicker的工作，臨界頻率帶寬隨著頻率的變化而變化，并與Mel頻率的增長(zhǎng)一致，在1000Hz以下，大致呈線性分布，帶寬為100Hz左右，在1000Hz以上呈對(duì)數(shù)增長(zhǎng)［5］。

3.3 語(yǔ)音模型的選擇

HMM 模型是語(yǔ)音信號(hào)時(shí)變特征的有參表示法。它由相互關(guān)聯(lián)的兩個(gè)隨機(jī)過(guò)程共同描述信號(hào)的統(tǒng)計(jì)特性。其中一個(gè)是隱蔽的（不可觀測(cè)的）具有有限狀態(tài)的馬爾可夫鏈，另一個(gè)是與馬爾可夫鏈的每一狀態(tài)相關(guān)聯(lián)的觀察矢量的隨機(jī)過(guò)程（可觀測(cè)的）。隱蔽馬爾可夫鏈的特征要靠可觀測(cè)到的信號(hào)特征揭示。這樣，語(yǔ)音等時(shí)變信號(hào)某一段的特征就由對(duì)應(yīng)狀態(tài)觀察符號(hào)的隨機(jī)過(guò)程描述，而信號(hào)隨時(shí)間的變化由隱蔽馬爾可夫鏈的轉(zhuǎn)移概率描述。

HMM 模型在某狀態(tài)j下對(duì)應(yīng)的觀察值可以由一組概率bjk（k＝1，2，…，M）來(lái)描述，它是M個(gè)離散可數(shù)的觀察值中的一個(gè)，因而稱為離散HMM［6］。當(dāng)觀察值為一個(gè)連續(xù)的隨機(jī)變量X，其在狀態(tài)j下對(duì)應(yīng)的觀察值由一個(gè)觀察概率密度函數(shù)bj（X）表示，這就成了連續(xù)的HMM。連續(xù)的HMM 用Baum-We1ch算法估計(jì)模型參數(shù)時(shí)，雖然在估計(jì)π，A參數(shù)時(shí)適用，但在估計(jì)描述bj（X）的參數(shù)時(shí)必須對(duì)bj（X）加以一定的限制才能成立。目前運(yùn)用最廣泛的是高斯型bj（X）［7］，它可以用下面公式表示：

其中，N（X，μjk，∑jk）為多維高斯概率函數(shù)，μjk為均值矢量，∑jk為方差矩陣，K為bjk（X）的混合概率個(gè)數(shù)，Cj（X）為組合系數(shù)，且

4 語(yǔ)音識(shí)別在評(píng)估系統(tǒng)中的應(yīng)用

4.1 影響語(yǔ)音識(shí)別率的幾個(gè)因素

語(yǔ)音識(shí)別的關(guān)鍵技術(shù)對(duì)語(yǔ)音識(shí)別率起著極其重要的作用，要使語(yǔ)音識(shí)別技術(shù)能夠應(yīng)用于實(shí)際評(píng)估系統(tǒng)，以下幾個(gè)影響因素必須考慮：

1）建立語(yǔ)音模板庫(kù)，也就是語(yǔ)音模型的訓(xùn)練。而且模板的好壞直接影響著識(shí)別率的高低，對(duì)于非特定人的語(yǔ)音識(shí)別系統(tǒng)，需要大量的原始語(yǔ)音數(shù)據(jù)來(lái)訓(xùn)練語(yǔ)音參考模型。

2）提取語(yǔ)音特征參數(shù)，對(duì)于非特定人語(yǔ)音識(shí)別，提取的特征參數(shù)應(yīng)盡量不含有說(shuō)話人的信息。

3）聲學(xué)建模是連續(xù)語(yǔ)音識(shí)別中聲學(xué)層面解決的關(guān)鍵步驟，語(yǔ)音識(shí)別單元的選擇是聲學(xué)建模中的一個(gè)基本而重要的問(wèn)題。

4.2 基于小語(yǔ)音庫(kù)的語(yǔ)音識(shí)別系統(tǒng)

所謂基于小語(yǔ)音庫(kù)的語(yǔ)音識(shí)別系統(tǒng)，就是語(yǔ)音模板庫(kù)中的語(yǔ)音源限定在一定的數(shù)量范圍內(nèi)，是中、大型語(yǔ)音庫(kù)的簡(jiǎn)化，基于小語(yǔ)音庫(kù)的語(yǔ)音識(shí)別系統(tǒng)在識(shí)別過(guò)程中模式匹配需要進(jìn)行的運(yùn)算量特別小。

目前語(yǔ)音通信的特點(diǎn)，通信內(nèi)容主要是話報(bào)，只需要能夠正確識(shí)別出0～9這10個(gè)數(shù)碼及少量固定詞語(yǔ)的語(yǔ)音報(bào)文，語(yǔ)音識(shí)別技術(shù)就完全可以應(yīng)用于語(yǔ)音通信干擾效果評(píng)估系統(tǒng)中。

按照?qǐng)?bào)文生成方法，計(jì)算機(jī)利用報(bào)文產(chǎn)生軟件生成隨機(jī)數(shù)字報(bào)文，數(shù)碼0～9在語(yǔ)音文件里均勻分布，然后由語(yǔ)音合成軟件將數(shù)字報(bào)文生成語(yǔ)音文件，該語(yǔ)音文件是一串?dāng)?shù)字語(yǔ)音，包括男聲或女聲，發(fā)音表見(jiàn)表1，數(shù)字報(bào)文語(yǔ)音文件里四個(gè)數(shù)字為一組，該語(yǔ)音文件作為評(píng)估系統(tǒng)的客觀信號(hào)源。

表1 數(shù)字報(bào)文發(fā)音表

建立語(yǔ)音庫(kù)，即語(yǔ)音模板的訓(xùn)練是語(yǔ)音識(shí)別系統(tǒng)中的一個(gè)關(guān)鍵過(guò)程，它的好壞直接關(guān)系到語(yǔ)音識(shí)別系統(tǒng)識(shí)別率的高低［8］。為了得到一個(gè)好的模板，往往需要有大量的原始語(yǔ)音數(shù)據(jù)來(lái)訓(xùn)練語(yǔ)音模型。另外普通大詞匯量語(yǔ)音識(shí)別系統(tǒng)語(yǔ)音模型庫(kù)龐大，訓(xùn)練模型任務(wù)繁重，匹配算法復(fù)雜，難以滿足實(shí)時(shí)性要求［9］。

將語(yǔ)音識(shí)別技術(shù)應(yīng)用在特定的語(yǔ)音通信效果評(píng)估系統(tǒng)中，只需要建立包含0～9這10個(gè)數(shù)碼合成的語(yǔ)音及其它少量詞語(yǔ)的小語(yǔ)音庫(kù)，即可滿足系統(tǒng)需要?；谛≌Z(yǔ)音庫(kù)的語(yǔ)音識(shí)別需要識(shí)別的語(yǔ)音源數(shù)量特別少，系統(tǒng)運(yùn)算量小，應(yīng)用的可行性大大提高。而且小語(yǔ)音庫(kù)中的語(yǔ)音由計(jì)算機(jī)通過(guò)語(yǔ)音合成技術(shù)生成，所有的語(yǔ)音報(bào)文具有相同說(shuō)話人的特定信息，特征參數(shù)的提取穩(wěn)定，大大地提高了識(shí)別的正確率。

另外基于小語(yǔ)音庫(kù)的語(yǔ)音識(shí)別系統(tǒng)可以采用適用于小詞匯量語(yǔ)音識(shí)別單元的單詞單元作為語(yǔ)音識(shí)別單元。

4.3 應(yīng)用方法

語(yǔ)音通信干擾效果評(píng)估系統(tǒng)功能流程圖如圖3所示。

圖3 報(bào)文生成及錄音評(píng)估系統(tǒng)功能流程圖

系統(tǒng)一般分為準(zhǔn)備階段、試驗(yàn)過(guò)程及結(jié)果處理階段。首先在計(jì)算機(jī)中通過(guò)報(bào)文生成軟件產(chǎn)生數(shù)字報(bào)文，并合成語(yǔ)音文件，然后將通信終端設(shè)備與無(wú)線電臺(tái)相連接，由發(fā)送計(jì)算機(jī)及通信終端控制發(fā)端電臺(tái)按要求（如頻率、調(diào)制方式、功率要求等）進(jìn)行發(fā)送，接收端進(jìn)行人工抄報(bào)，同時(shí)錄音采集。結(jié)果處理是利用語(yǔ)音識(shí)別系統(tǒng)對(duì)接收的語(yǔ)音文件在基于小語(yǔ)音庫(kù)的模板中進(jìn)行識(shí)別，給出識(shí)別結(jié)果，并統(tǒng)計(jì)出錯(cuò)誤碼子和組數(shù)。

基于4.2節(jié)中所描述的小語(yǔ)音庫(kù)的語(yǔ)音識(shí)別在語(yǔ)音通信干擾效果評(píng)估系統(tǒng)中，利用識(shí)別軟件對(duì)錄音存儲(chǔ)的客觀語(yǔ)音報(bào)文進(jìn)行識(shí)別的過(guò)程簡(jiǎn)化如下：

發(fā)送端發(fā)送的數(shù)碼報(bào)文為在0～9中隨機(jī)選取的4個(gè)數(shù)字為一組的組合，收端計(jì)算機(jī)中預(yù)先存有包含數(shù)碼0～9的小語(yǔ)音庫(kù)模版，根據(jù)模式匹配的方法，對(duì)語(yǔ)音進(jìn)行識(shí)別成數(shù)碼報(bào)文，由程序?qū)⒃摂?shù)碼報(bào)文進(jìn)行錯(cuò)誤率統(tǒng)計(jì)，最后給出干擾效果評(píng)估結(jié)果［10］。

這種利用基于小語(yǔ)音庫(kù)的匹配方法進(jìn)行語(yǔ)音識(shí)別的識(shí)別率能夠達(dá)到很高（應(yīng)用中正確率大于99%），忽略極少數(shù)不能正確識(shí)別的數(shù)字，認(rèn)為識(shí)別正確率基本接近人工收聽(tīng)的結(jié)果。

同時(shí)在客觀評(píng)估的基礎(chǔ)上還可以再進(jìn)行人工校報(bào)，將主觀評(píng)估與客觀評(píng)估結(jié)果綜合考慮，給出更加合理的評(píng)估結(jié)果。

5 結(jié)語(yǔ)

本文介紹了語(yǔ)音識(shí)別的關(guān)鍵技術(shù)，分析了語(yǔ)音模板庫(kù)僅為特定少量詞語(yǔ)的小語(yǔ)音庫(kù)語(yǔ)音識(shí)別評(píng)估系統(tǒng)，以及它在特定的語(yǔ)音通信效果評(píng)估系統(tǒng)中的應(yīng)用，介紹了實(shí)際應(yīng)用方法，對(duì)于今后建立語(yǔ)音通信客觀評(píng)估系統(tǒng)上具有一定的指導(dǎo)意義。

目前系統(tǒng)中的數(shù)字報(bào)文均是任意選取的，沒(méi)有任何實(shí)際語(yǔ)義，評(píng)估結(jié)果只能根據(jù)報(bào)文錯(cuò)組率而不能根據(jù)實(shí)際語(yǔ)義來(lái)進(jìn)行識(shí)別評(píng)估。但是從阻斷通信意圖上來(lái)說(shuō)，利用有語(yǔ)義的語(yǔ)音報(bào)文進(jìn)行干擾效果評(píng)估更具有一定的現(xiàn)實(shí)意義。所以筆者下一步會(huì)進(jìn)行語(yǔ)音通信干擾效果評(píng)估系統(tǒng)中基于語(yǔ)義的語(yǔ)音報(bào)文識(shí)別研究。

［1］吳淑珍，趙朝陽(yáng).基于聽(tīng)覺(jué)模型的客觀音質(zhì)評(píng)估方法研究［J］.電子學(xué)報(bào)，1999（7）：92（94）.

［2］張璐琳，陳靜.國(guó)軍標(biāo)（GJB4405A-2007）［J］.語(yǔ)音通信干擾效果評(píng)定準(zhǔn)則，2007.

［3］崔文迪，黃關(guān)維.語(yǔ)音識(shí)別綜述［J］.福建電腦，2008（1）：28-29.

［4］胡航.語(yǔ)音信號(hào)處理［M］.哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2000：73-76.

［5］查普曼.MATLAB［M］.北京：科學(xué)出版社，1998：46-47.

［6］樊昌信，張甫翊，徐炳祥，等.通信原理［M］.北京：國(guó)防工業(yè)出版社，2001：370-372.

［7］LA Liporace.Maximum Likelihood for Multivariate Observation of MarkovSource.IEEE.Trans.IT［J］.1982，28（5）：729-734.

［8］徐煒，徐濟(jì)仁.基于聲韻分割的語(yǔ)音信號(hào)特征提取技術(shù)［J］.小型微型計(jì)算機(jī)系統(tǒng)，2002，23（2）：172（175）.

［9］王瑛，張知易.一種基于人耳聽(tīng)覺(jué)特性的語(yǔ)音客觀測(cè)度研究［J］.通信技術(shù)，1999（3）：62（68）.

［10］謝虹.電子裝備作戰(zhàn)效能評(píng)估［J］.航天電子對(duì)抗，1998（3）：57（59）.

［11］王彪.基于Matlab的語(yǔ)音識(shí)別系統(tǒng)研究［J］.計(jì)算機(jī)與數(shù)字工程，2011，39（12）.

［12］劉萍，廖廣銳.高噪聲背景下的語(yǔ)音識(shí)別系統(tǒng)設(shè)計(jì)［J］.計(jì)算機(jī)與數(shù)字工程，2009，37（7）.