（1）采用狀態(tài)輸出獨(dú)立假設(shè)，每個時刻的輸出僅與所處的狀態(tài)有關(guān)，而與以前的輸出沒有關(guān)系，然而實際語音信號卻有很強(qiáng)的時間相關(guān)性，這就影響了HMM模型描述語音信號幀間相關(guān)性的能力。

　　（2）連續(xù)HMM模型假定狀態(tài)輸出概率密度函數(shù)為混合高斯分布函數(shù)，而實際的語音信號分布是非常復(fù)雜的，很難用簡單的高斯分布的組合形式來表征。為了彌補(bǔ)這些缺陷，許多改進(jìn)的方法被提出來。

　　語音識別技術(shù)是近年來高速發(fā)展的一項技術(shù)，由于其重要的理論價值與廣闊的應(yīng)用前景，受到人們的廣泛重視。語音是一個復(fù)雜的非線性過程，基于線性系統(tǒng)理論的語音識別方法的局限性越來越凸顯。近年來，隨著人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯、粒子群優(yōu)化算法等非線性理論研究和應(yīng)用的逐漸深入，這些理論已經(jīng)開始獨(dú)立或者相互交叉應(yīng)用到語音識別領(lǐng)域中。

　　語言是人類獲取信息的主要來源之一，不僅是人類與外界交流信息最方便、最有效、最自然的手段，而且也是人與機(jī)器之間進(jìn)行通信的重要工具。無論是人與人之間還是人與之間的語言通信，語音信號處理，特別是語音信號數(shù)字處理，都具有特別重要的作用。

　　隨著計算機(jī)技術(shù)的快速發(fā)展，用現(xiàn)代手段研究語音信號處理技術(shù)，使得人們能更加有效的產(chǎn)生、傳輸、存儲和獲得語音信息，這對于促進(jìn)社會的發(fā)展具有十分重要的意義

　　數(shù)字語音信號處理，包括三方面內(nèi)容，即語音信號的數(shù)字表示法，語音信號數(shù)字處理理論的各種方法和技術(shù)及數(shù)字語音處理理論和技術(shù)在各領(lǐng)域中的實際應(yīng)用。

　　模糊神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)用

　　神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代科學(xué)研究成果的基礎(chǔ)上提出來模擬人腦結(jié)構(gòu)機(jī)制的一門新興科學(xué)，它不是人腦真實的全面描述，而是這類生物神經(jīng)網(wǎng)絡(luò)的抽象、模擬和簡化，其目的在于探索人腦的信息加工、存儲和搜索機(jī)制，從而為人工智能和信息處理等學(xué)科的研究開辟新途徑。人工神經(jīng)網(wǎng)絡(luò)就是采用物理可實現(xiàn)的系統(tǒng)來模擬人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能的系統(tǒng)。它是由很多處理單元有機(jī)地連接起來進(jìn)行并行的工作，它的處理單元雖十分簡單，但其工作卻是“集體”進(jìn)行的，它的信息傳播、存儲方式與神經(jīng)網(wǎng)絡(luò)相似，它沒有運(yùn)算器、存儲器、控制器等這些現(xiàn)代計算機(jī)的基本單元，而是相同的簡單處理器的組合，其信息處理是存儲在處理單元的連接上

　　模糊邏輯是模仿人腦的不確定性概念判斷、推理思維方式，對于模型未知或不能確定的描述系統(tǒng)，以及非線性、大滯后的控制對象，應(yīng)用模糊集合和模糊規(guī)則進(jìn)行推理，表達(dá)過渡性界限或定性知識經(jīng)驗，模擬人腦方式，實行模糊綜合判斷，推理解決常規(guī)方法難于對付的規(guī)則型模糊信息問題。模糊邏輯善于表達(dá)界限不清晰的定性知識與經(jīng)驗，它借助于隸屬度函數(shù)概念，區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實施規(guī)則型推理，解決因“排中律”的邏輯破缺產(chǎn)生的種種不確定問題。

　　隨著模糊信息處理技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)研究的不斷深入，將模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行有機(jī)結(jié)合，從而構(gòu)造出一種可“自動”處理模糊信息的神經(jīng)網(wǎng)絡(luò)或自適應(yīng)模糊系統(tǒng)，以成為模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)深入研究和發(fā)展的一種必然趨勢。神經(jīng)網(wǎng)絡(luò)技術(shù)和模糊技術(shù)各自有自己的優(yōu)點，前者以生物神經(jīng)網(wǎng)絡(luò)為模擬基礎(chǔ)，試圖在模擬推理及自動學(xué)習(xí)方面向前發(fā)展一步，使人工智能更接近人腦的自組織和并行處理功能，它在模式識別、聚類分析和專家等多方面己顯示了新的前景和新的思路。后者以模糊邏輯為基礎(chǔ)，抓住了人類思維的模糊性特點，以模仿人的模糊綜合判斷推理來處理常規(guī)的方法難以解決的模糊信息處理的難題。而將模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，可以有效的發(fā)揮各自的優(yōu)勢并彌補(bǔ)不足。模糊技術(shù)的特長在于拓展神經(jīng)網(wǎng)絡(luò)處理信息的范圍和能力，使其不僅能處理精確的信息也能處理模糊信息和其他不精確的信息，不僅能夠?qū)崿F(xiàn)精確的聯(lián)想及映射，還可以實現(xiàn)不精確的聯(lián)想和映射，特別是模糊聯(lián)想和模糊映射仁。

　　語音識別在實現(xiàn)過程中通常涉及多種因素，需要同時考慮。由于計算量很大，再加上語音信號的隨機(jī)性，以及我們對人類聽覺機(jī)理了解甚淺，因此，目前機(jī)器自動識別語音的能力要比人類差得多，尤其是對非特定人的連續(xù)語音識別更是如此。用模糊神經(jīng)網(wǎng)絡(luò)模型作為分類器或聚類器，發(fā)展出一些新的語音識別方法。

　　由于模糊神經(jīng)網(wǎng)絡(luò)不僅具有模糊系統(tǒng)中的知識抽取和表達(dá)能力，適合于表達(dá)模糊或定性的知識，能夠運(yùn)用類似人的思維模式來進(jìn)行推理，也擁有神經(jīng)網(wǎng)絡(luò)有并行計算、分布式信息存儲、容錯能力強(qiáng)以及具備自適應(yīng)學(xué)習(xí)功能的一系列能力。將模糊神經(jīng)網(wǎng)絡(luò)模型用于語音識別系統(tǒng)，該系統(tǒng)具有以下特點：。

　　1、能夠盡量多的利用了樣本集中的有用信息以實現(xiàn)多因素綜合評定，發(fā)揮神經(jīng)網(wǎng)絡(luò)的優(yōu)勢。

　　2、能夠很好的引入領(lǐng)域?qū)＜业慕?jīng)驗知識，利用模糊規(guī)則來指導(dǎo)網(wǎng)絡(luò)的訓(xùn)練，使網(wǎng)絡(luò)的訓(xùn)練能夠更符合人的推理習(xí)慣。

　　3、對輸入、輸出形式進(jìn)行特殊的模糊化處理后，可以用有限樣本集含有的信息比較好的、近似真實分布的反映原有知識

　　傳統(tǒng)的語音識別和采用模糊神經(jīng)網(wǎng)絡(luò)的語音識別是有區(qū)別的。在傳統(tǒng)的語音識別方法中，模式匹配法是在對語音做過預(yù)處理之后，通過特征參數(shù)的提取及模式匹配完成識別。由于語音信號的高度多變性，輸入模式要與標(biāo)準(zhǔn)模式完全匹配是幾乎不可能的。因此，識別時要預(yù)先制定好計算輸入的語音特征模式與各特征模式的類似或距離的規(guī)則，距離最小者就是最類似的模式。而句法模式識別法當(dāng)認(rèn)為輸入的位置模式屬于某個對象時，就要檢查一下輸入模式與識別對象的結(jié)構(gòu)，當(dāng)與對象模式結(jié)構(gòu)相同或在某范圍內(nèi)結(jié)構(gòu)一致時，則判定該未知模式就是識別對象的語音。模糊神經(jīng)網(wǎng)絡(luò)的語音識別方法與傳統(tǒng)方法的差異在于提取了語音的特征參數(shù)后，不像傳統(tǒng)方法那樣有輸入模式與標(biāo)準(zhǔn)模式的比較匹配，而是靠模糊神經(jīng)網(wǎng)絡(luò)根據(jù)專家知識或者先驗知識，先對輸入特征數(shù)據(jù)進(jìn)行模糊化產(chǎn)生對不同規(guī)則的隸屬度，然后根據(jù)標(biāo)準(zhǔn)來調(diào)節(jié)網(wǎng)絡(luò)中大量的連接權(quán)對輸入模式進(jìn)行非線性運(yùn)算，產(chǎn)生最大興奮的輸入點就代表了輸入模式對應(yīng)的分類。

　　模糊控制于20世紀(jì)六十年代萌芽于美國，七十年代誕生于歐洲，八十年代當(dāng)西方人不太喜歡“模糊理論”時，它卻在日本發(fā)展并廣泛用于家電的自動控制，九十年代與神經(jīng)網(wǎng)絡(luò)以來，才得到全球的廣泛認(rèn)可并成為智能系統(tǒng)的一個重要分支。雖然模糊神經(jīng)網(wǎng)絡(luò)的研究沒有神經(jīng)網(wǎng)絡(luò)長，但由于它結(jié)合了模糊控制和神經(jīng)網(wǎng)絡(luò)的優(yōu)點，現(xiàn)在以廣泛的用于各個領(lǐng)域。目前模糊神經(jīng)網(wǎng)絡(luò)在語音信號處理中的應(yīng)用研究十分活躍，其中以在語音識別方面的應(yīng)用已經(jīng)取得較大的進(jìn)步。同神經(jīng)網(wǎng)絡(luò)相似，模糊神經(jīng)也主要是從聽覺神經(jīng)模型中得到啟發(fā)，以便構(gòu)成一些具有類似能力的人工系統(tǒng)，使它們在解決語音信號處理（特別是識別）問題時能得到較好的性能。研究模糊神經(jīng)網(wǎng)絡(luò)以探索人的聽覺神經(jīng)機(jī)理，改進(jìn)現(xiàn)有語音語音識別系統(tǒng)的性能，是當(dāng)前語音識別研究的一個重要方向。