本論文使用端點偵測、梅爾倒頻譜係數、隱藏式馬可夫模型等相關技術為基礎，來設計製作中文地址的語音辨識系統。本論文包含語詞辨識與單音辨識兩方面。在語詞辨識方面，先進行篩選候選人，再進行辨識，以減少辨識時間；在單音辨識方面，經過辨識後，針對易混淆的情形，再進一步確認以增加辨識率。在特定語者的實驗室環境下，本系統辨識率約為85%，所需辨識時間在2秒之內。

A Mandarin speech recognition system for addresses in Taiwan, based on end-point detection, MFCC and HMM, is proposed and implemented in this thesis. It includes both phrase and monosyllable recognition tasks. For the phrase recognition part, we select the initial candidates before the final recognition stage to tremendously reduce the computational time. On the other side, for the monosyllable recognition part, we further refine the recognition details to improve the correct rate under easily confused circumstances. The final system can achieve 85% correct identification rate, and the address recognition can be completed within 2 seconds in the laboratory environment for speaker-dependent case.

摘要 1
致謝 2
目錄 3
圖目錄 5
表目錄 6
第 1 章 緒論 7
1-1 研究動機與目的 7
1-2 研究方法 8
1-3 章節概要 8
第 2 章 語音處理之相關研究探討 9
2-1 語音辨識流程 9
2-2 端點偵測 10
2-2-1 能量 10
2-2-2 越零率 10
2-2-3 最大相似比 11
2-3 視窗函數 12
2-4 特徵萃取 13
2-4-1 線性預估倒頻譜係數 14
2-4-2 梅爾倒頻譜係數 14
2-5 隱藏式馬可夫模型 16
第 3 章 系統設計 18
3-1 系統簡介 18
3-2 資料庫建立 19
3-3 系統架構流程 22
3-4 系統之端點偵測 25
3-5 系統之篩選機制 26
3-6 系統之確認機制 27
3-7 系統之提示機制 29
3-8 系統示範 30
第 4 章 實驗結果 31
4-1 實驗結果 31
4-2 與上屆系統之差異性 34
第 5 章 結論與建議 36
5-1 結論 36
5-2 建議 37
參考文獻 38

[1] Lawrence Rabiner, “The Power of Speech”, Science, vol. 301, Issue 5639, pp1494-1495, 12 September 2003.
[2] Lawrence Rabiner and Biing-Hwang Juang, “Fundamentals of Speech Recognition”, N.J.: Prentice Hail, 1993.
[3] A.lan V. Oppenheim, Ronald W. Schafer, with John R. Buck, “Discrete-Time Signal Processing”, N.J.: Prentice Hall, 1999.
[4] Wai C. Chu, “Speech Coding Algorithms: Foundation and Evolution of Standardized Coders”, John Wiley & Sons, Inc. 2003.
[5] Ben Gold and Nelson Morgan, “Speech and Audio Signal Processing : Processing and Perception of Speech and Music”, John Wiley & Sons, Inc. 2000.
[6] John R. Deller, J. G.. Proakis, and John H. L. Hansen, “Discrete-Time Processing of Speech Signals”, New York: Macmillan Pub. Co., 1993.
[7] Lawrence R. Rabiner and Ronald W. Schafer, “Digital processing of speech signals”, N.J.: Prentice-Hall, 1978.
[8] V. R. Algazi, K. L. Brown, M. J. Ready, D. H. Irvine, C. L. Cadwell and Sang Chung, “Transform Representation of the Spectra of Acoustic Speech Segment with Applications－I: General Approach and Application to Speech Recognition,” IEEE Trans. Speech and Audio Processing, vol.1, No.2, April 1993.
[9] Tze Fen Li, ”Speech recognition of mandarin monosyllables,” Pattern Recognition, vol.36, pp2713-2721, April 2003.
[10] L. R.Rabiner, “A tutorial on hidden Markov models and selected applications in speech recognition”, Proc. IEEE, vol.77, pp.257-286, Feb. 1989.
[11] 王小川, ”語音訊號處理”, 全華, 民國93年.
[12] 張慶勇,“中文地址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93年7月.
[13] 許博閔, “混合式中文人名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93年7月.
[14] 侯政寬, “中文關鍵語詞搜尋系統之設計與研究,” 國立中山大學電機工程研究所碩士論文, 民國92年7月.
[15] 陳豫德, “中文人名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92年7月.
[16] 鄭博文, “雜訊環境下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92年7月.
[17] 賴昭華, “不特定語者中量語詞辨識系統之設計研究,” 國立中山大電機工程研究所碩士論文, 民國91年7月.
[18] 黃銘崇, “不特定語者語詞辨識系統之特徵設計,” 國立中山大學電機工程研究所碩士論文, 民國90年6月.
[19] 中華郵政全球資訊網, http://www.post.gov.tw/post/index.jsp
[20] 內政部民政司, http://www.moi.gov.tw/dca/