本論文主要研究地址系統與二、三、四字詞系統之訓練語料量的降低策略，針對二字詞作訓練語料，利用平衡篩選、混合訓練，讓整體訓練語料大大地降低。單音節辨識採用隱藏式馬可夫模型，將每音框長度重疊一半，特徵參數以梅爾倒頻譜係數和線性預估倒頻譜係數為主，加上文字比對策略與聲調辨識，讓辨識率提升。針對特定語者之評量，系統中每個單詞辨識皆可在一秒內完成。

The objective of this thesis is to reduce the training size for the Mandarin address inputting system and the Mandarin phrase recognition system. A set of two-word Mandarin phrases is developed by the balanced sieving and mixture training techniques. This greatly reduces the training data size for the systems. Hidden Markov model using both MFCC and LPCC features is proposed in this thesis. Speech-text alignment, frame overlapping and tone recognition are incorporated to increase the correct recognition rates. For the speaker-dependent case, any phrase in these two speech systems can be recognized within one second.

摘要 I
致謝 II
目錄 III
圖目錄 VI
表目錄 VIII
第一章 緒論 1
1-1 研究動機 1
1-2 研究方法、目的與基本架構 1
1-3 章節概要 4
第二章 辨識系統架構與語音訊號處理介紹 5
2-1 辨識系統架構 5
2-2 音節切割 6
2-2-1 能量 6
2-2-2 越零率 6
2-2-3 線性預估係數誤差能量 7
2-3 特徵萃取 9
2-3-1 高頻預強 10
2-3-2 加視窗 10
2-3-3 離散傅利葉轉換 11
2-3-4 梅爾頻率濾波器 11
2-3-5 離散餘弦轉換 13
2-3-6 差量倒頻譜係數 13
2-3-7 線性預估編碼與自相關分析 14
2-3-8 線性預估倒頻譜參數 15
2-4 聲調辨識 16
2-4-1 聲調特性 16
2-4-2 聲調求法 18
第三章 語音模型的訓練與辨識流程 25
3-1 隱藏式馬可夫模型 25
3-2 隱藏式馬可夫模型之訓練 26
3-2-1 參數初始化 26
3-2-2 參數重估 29
3-3 隱藏式馬可夫模型之辨識程序 31
3-3-1 Viterbi 演算法 31
3-4 文字比對辨識流程 32
第四章 地址辨識系統之介紹 34
4-1 資料庫介紹和來源 34
4-2 系統輸入介紹 35
4-3 系統流程 37
第五章 系統參數與實驗結果 39
5-1 系統參數 39
5-2 實驗結果 39
5-2-1 訓練量與辨識率之關係 40
5-2-2 個別訓練與混合訓練 41
5-2-3 訓練詞之篩選 43
5-2-4 特徵值萃取 48
5-3 與上屆實驗成果之比較 55
第六章 結論與展望 56
6-1 結論 56
6-2 展望 56
參考文獻 57
附錄一 59

[1] 吳俊榮, “中文二、三、四字詞語詞辨識系統之設計研究” , 國立中山大學電機工程研究所碩士論文, 民國96 年7 月.
[2] 國語日報出版中心主編, “新編國語日報辭典”, 國語日報社, 民國89 年.
[3] 陳躍升, “中文履歷表之語音建構系統設計” , 國立中山大學電機工程研究所碩士論文, 民國95 年7 月.
[4] 鄭鶴得, “中文二字語詞辨識系統之設計研究” , 國立中山大學電機工程研究所碩士論文, 民國96 年7 月.
[5] 王勝明, “台灣、香港與大陸地區中文語音辨識系統之設計研究” , 國立中山大學電機工程研究所碩士論文, 民國96 年7 月.
[6] 重慶郵政http://www.cqpost.com.cn:8080/postcode/index.jsp
[7] 北京郵政局http://www.bjpost.gov.cn/postcode/ybcx_index.asp
[8] 中國行政區劃網 http://www.xzqh.org/quhua/
[9] J. R. Deller, J. G. Proakis, and J. H. L. Hansen, Discrete Time Processing of Speech Signals, New York: Macmillan Pub. Co., 1993.
[10] 古鴻炎、張小芬、吳俊欣,“仿趙氏音高尺度之基週軌跡正規化方法及其應用”, 第十六屆自然語言與語音處理研討會(台北) ,第325-334 頁,2004.
[11] 王小川, ”語音訊號處理”, 全華, 民國93 年.
[12] 葉俊亨, “中文語音情緒辨識” , 大同大學資訊工程研究所碩士論文, 民國93年6 月.
[13] J.F. Kaiser, Discrete-Time Speech Signal Processing, pp.11-99, Prentic Hall PTR, 2002.
[14] D. A. Krubsack, "An autocorrelation pitch detector and voicing decision with confidence measures developed for noise-corrupted speech", IEEE Trans. Signal Processing, vol.39, pp. 319-329, Feb. 1991
[15] 國立臺灣師範大學國音教材編輯委員會編纂, “國音學” ,正中書局,民國96 年
[16] J. Makhoul, “Linear prediction: a tutorial review,” Proc. IEEE, Vol. 63, no.4, pp.561–580, April 1975.
[17] Tze Fen Li, “Speech recognition of mandarin monosyllables,” Patter Recognition,Vol.36 pp. 2713-2721, April 2003.