由於電腦的蓬勃發展，人們使用電腦的頻率急速上升，而我們在憑藉著滑鼠、鍵盤等工具輸入命令來控制電腦的同時，以語音來作為輸入是另一種很好的選擇。尤其語音辨認的應用在生活中能帶給我們多方便，在身分識別，聲控器具方便都有很大的研究空間。因此利用語音辨識可以使我們輕鬆擁有一個簡單的高品質生活空間，讓人們的生活方式更簡單、更人性化。
本論文研究的方向是國語數字的0~9。在語音的辨識比對方面，我們採用了兩種不同的比對方法來辨識語音，分別是狀態法與平均分配法。因為比對方法的不同，所以訓練模型也會有所不同，而所得到的辨識率也有所不同。其中狀態法需要訓練模型，經由訓練模型可以得到三組平均值與變異數來作為資料庫；而平均分配法不需要訓練模型，直接拿所有的特徵參數來作為資料庫。因此在資料庫方面，平均分配法的資料庫比狀態法的資料庫明顯的大了很多；因此就辨識率方面而言，狀態法的平均辨識率為89.1%，而平均分配法的平均辨識率為91.8%，因為狀態法只用了三組資料作為資料庫，平均分配法則是用了所有的資料作為資料庫，因此平均分配法的辨識率比狀態法的辨識率高了一點。

一、序論……………………………………………………1
1.1 研究動機與目的………………………………………1
1.2 國內外研究概況………………………………………2
1.3 應用領域與研究範圍…………………………………3
1.4 語音辨認的種類………………………………………5
1.5 語音辨識方法概述……………………………………5
1.6 本論文架構……………………………………………12
二、語音訊號的前處理與特徵參數………………………14
2.1 數位取樣………………………………………………16
2.2 常態化…………………………………………………17
2.3 去除靜音………………………………………………20
2.4 切割音框………………………………………………22
2.5 預強調的處理…………………………………………24
2.6 視窗化的處理…………………………………………25
2.7 特徵參數的求取………………………………………26
2.8 線性預估編碼…………………………………………27
2.9 自相關函數……………………………………………29
2.10 倒頻譜參數…………………………………………31
2.11 代通提昇視窗處理…………………………………32
2.12 差倒頻譜……………………………………………32
三、語音訓練模型…………………………………………35
3.1 狀態法…………………………………………………37
3.2 均切成三個狀態………………………………………40
3.3 狀態的平均值與變異數………………………………40
3.4 音框與狀態的相似程度………………………………43
3.5 維特比演算法…………………………………………43
3.6 更新狀態內的音框……………………………………47
3.7 新狀態的平均值與變異數……………………………47
3.8 新的音框與狀態的相似程度…………………………48
3.9 判斷結束或繼續遞迴…………………………………48
四、語音辨識的方法………………………………………50
4.1 狀態法…………………………………………………50
4.1.1 預辨識語音前處理與求取特徵參數………………52
4.1.2 計算音框與狀態的機率……………………………53
4.1.3 維特比演算法………………………………………54
4.2 平均分配法……………………………………………55
4.2.1 多對少………………………………………………56
4.2.2 相同組數……………………………………………57
4.2.3 少對多………………………………………………57
五、實驗操作流程與實驗結果……………………………60
5.1 系統程式語言…………………………………………60
5.2 實驗操作流程…………………………………………61
5.3 實驗結果………………………………………………64
六、結論及未來研究方向…………………………………65
6.1 結論……………………………………………………65
6.2 未來研究方向…………………………………………65
參考文獻……………………………………………………67

Harb, H.; Husseiny, A.H.; ” Isolated words recognition using neural networks ” Electronics, Circuits and Systems, 2000. ICECS 2000. The 7th IEEE International Conference on , Volume: 1 , 2000 Page(s): 349 -351 vol.1
Butzberger, J.W., Jr.; Ostendorf, M.; Price, P.J.; Shattuck-Hufnagel, S.; ” Isolated word intonation recognition using hidden Markov models ” Acoustics, Speech, and Signal Processing, 1990. ICASSP-90., 1990 International Conference on , 3-6 Apr 1990 Page(s): 773 -776 vol.2
Lim, C.P.; Woo, S.C.; Loh, A.S.; Osman, R.; ” Speech recognition using artificial neural networks ” Web Information Systems Engineering, 2000. Proceedings of the First International Conference on , Volume: 1 , 2000 Page(s): 419 -423 vol.1
Li Sheng-Li; Hou Chao-Huan; ” A study of speech recognition based on fuzzy statistics ” Signal Processing, 1996., 3rd International Conference on , Volume: 1 , 14-18 Oct 1996 Page(s): 757 -760 vol.1
Hsien-Leing Tsai; Shie-Jue Lee; ” A neural network model for spoken word recognition ” Systems, Man, and Cybernetics, 1997. 'Computational Cybernetics and Simulation'., 1997 IEEE International Conference on , Volume: 5 , 12-15 Oct 1997
Page(s): 4029 -4034 vol.5
Bilginer Gulmezoglu, M.; Dzhafarov, V.; Keskin, M.; Barkana, A.; ” A novel approach to isolated word recognition ” Speech and Audio Processing, IEEE Transactions on , Volume: 7 Issue: 6 , Nov 1999 Page(s): 620 —628
Masuko, T.; Tokuda, K.; Kobayashi, T.; Imai, S.; ” Speech synthesis using HMMs with dynamic features ” Acoustics, Speech, and Signal Processing, 1996.ICASSP-96. Conference Proceedings., 1996 IEEE International Conference on , Volume: 1 , 7-10 May 1996 Page(s): 389 -392 vol. 1
Lawrence Rabiner ; Biing-Hwang Juang , ” Fundamentals of Speech Recognition ” , Prentice Hall PTR , 1993
Harte, N.; Vaseghi, S.; Milner, B.; ” Dynamic features for segmental speech recognition ” Spoken Language, 1996. ICSLP 96. Proceedings., Fourth International Conference on , Volume: 2 , 3-6 Oct 1996 Page(s): 933 -936 vol.2
Tze Fen Li , ” Speech Recognition of Mandarin Monosyllables” ,Pattern Recognition,2003.Will appear.
黎自奮，蕭玉章（1994）。”多種單音數字語音辨認方法”。碩士論文，私立逢甲應用數學研究所，台中。
曾怜玉，楊榮偉（1993）。“ The Recognition of the Isolated Mandarin Digits in a Noisy Environment ”。碩士論文，國立中興應用數學研究所，台中。
楊鎮光（2002）。” Visual Basic與語音辨識-讓電腦聽話 ”, 松崗出版社。
謝雲飛（1986）。 ” 語音學大綱 ” , 台灣學生書局。
陳明熒（1994）。 ” PC電腦語音辨認實作 ” , 旗標出版社。
謝秀琴（1996）。 ” 數位語音訊號基本原理 ” , 全華出版社。