特定人的語音識別系統指識別字、短語、句子，而不管說話人是誰。目 前已經能夠識別4000個甚至更多個單詞及由它們所組成的簡單句子。

由于上述識別系統都是針對非特定人的，所以它與特定人的語音識別系統 相比，一般性要求較高。語言識別系統可以懂得話音的含義。這種系統先要把 話音分割成單詞(或音素),然后進行語法分析，Z后辨識出話音的含義，可見 這種系統是相當復雜的。在小詞匯量語音識別方面，用得Z多的是模式匹配方 法，實用的系統已經出現；基于統計模型的隱 Markov 模型，則在大詞匯量的語 音識別上取得了很大的進展，但目前尚在研究發展之中，可靠性有待進一步提 高。實現非特定人語音識別的流程如圖4-19所示。相比之下，數字音識別系統 比較簡單。這種語音識別系統的工作原理與特定人的語音識別系統有很多相同之 處，這里只介紹連續數字音識別系統。

除此之外，還要發現很多語言中的規律，在這些規律中，重要的有：

①字的起點可能發生在如下處：“靜”和“無振”時間段的銜接處，幅度 隨時間陡升處，過零率隨時間陡升處；“有振”、“無振”時間段銜接處和幅度 與時間關系曲線的凹陷處。

②字的終點可能發生在如下處：“有振”和“靜”的時間段銜接處；“無 振”和“靜”的時間段銜接處及幅度隨時間陡降處。

③在“無振”和“有振”的銜接處。如果同時出現幅度隨時間陡升和過零 率隨時間陡降，那么這里不是字的起、終點的分界。

接下來，把各個短時間段的各個特征按照上面的分割方法劃分成三個組(即 將每個字的字音分成一個組),分別送進“音的識別”部分去作每個字的識別。 然而，在“音的識別”部分中，事先存儲有十個數目字話音(0~9),在每個短 時間段的判別量設為：g₁(x₁,x₂,x₃)、82(x,x₂,x₃)、g₃(x₁,x₂,x₃), 其 中 x₁代表幅度，x₂ 代表過零率，x₃ 代表線性預測系數等。當得到待識別的數目字 話音的各個特征時，把它們與事先存儲的判別量進行比較，找出Z接近的字作為 判別結果。

和特定人的語音識別系統一樣，在作比較之前也要經過“時間對應步 驟”,把待識別字的各個短時間段在一定范圍內作些調整，使調整后的短時間段 數目和存儲在“音的識別”部分的字的短時段數目一樣，再把調整后的短時間段 的特征代入判別函數里。在這種模板匹配法的語音識別系統中，標準模板是否具 有代表性，直接影響識別的精度。即使是同一個人說同一個單詞，其發音也會有 差異，這就是發音的離散性。這種離散性造成了產生標準模板的困難。假設這種 離散性使語音特征分布在一個區域里面而不是集中在一個點，那么我們應當找出 這個區域中心點并將其作為標準特征值，這個過程稱為語音識別中的樣本優化。

還應當指出，在正確提取語音特征的前提下，如何減少計算量是一個重要 問題，它關系到語音識別系統的復雜程度、成本和實時性。聽覺系統除了用于識別人的聲音之外，還可以在工作現場利用傳聲器捕捉音響來證實一個工序的開始 與結束、檢測異常聲音等。利用超聲波的聽覺系統還可以測量對象物的位置和尺 寸。超聲波聽覺系統在測量、檢測等方面有廣泛的應用。