人工智能基础及应用（微课版） 习题及答案汇总 第1--9章 绪论 知识图谱与专家系统---语音信号处理中的应用.docx

习题1-1什么是智能？1-2什么是人工智能？人工智能的研究目标是什么？1-3人工智能是何时、何地诞生的？1-4人工智能发展经历了那几个阶段？1-5常见的计算机视觉技术有哪些？1-6人工智能研究的主要内容有那些？1-7人工智能的主要技术有那些？1-8智能控制具有什么特点？1-9人工智能的应用领域有那些？1-10传统的工业机器视觉由哪几部分组成？1-11未来人工智能的发展趋势？参考答案1-1智能是智力和能力的总称。人类的智能主要包括归纳总结和逻辑演绎两大类。1-2定义：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。研究目标：使机器能够模拟人的思维方式，胜任些通常需要人类智能才能完成的复杂工作。1-31956年，在美国举办的达特玛斯会议中正式提出了“人工智能”这一专业术语，从此揭开r人工智能时代的序幕。1-4人工智能的发展主要经历了五个阶段：第一阶段：早期探索（1956年以前）；第二阶段：人工智能的兴起与研究（1956年至20世纪70年代）；第三阶段:瓶颈期（20世纪70至80年代）；第四阶段：人工智能的复苏Qo世纪80年代）；第五阶段：专家系统危机（20世纪80至90年代）；第六阶段：科技的腾飞（20世纪90年代至今）。1-5图像分类、对象检测、 1-6模式识别、专家系统、 程序设计、自然语言生成、 划等。1-7逻辑推理与定理证明、 专家系统、智能控制技术、目标跟踪、语义分割、实例分割等知识库系统、自然语言理解、 机器人学、分布式人工智能、自然语言处理、智能机器人、自动定理证明、计算机视觉、自动 博弈、智能控制、软计算、智能规最优解算法、智能信息检索技术、机器学习、生物特征识别、人工神经网络、虚拟现实技术与增强现实技术、知识图谱、数据挖掘与知识发现、人机交互技术等。1-8智能控制具有两个显著的特点。（1）智能控制同时具有知识表示的非数学广义世界模型和数学公式模型表示的混合控制过程，也往往是含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数学过程，并以知识进行推理，以启发来引导求解过程。（2）智能控制的核心在高层控制，即组织级控制。组织实际环境或过程，对问题进行决策和规划，来求解广义问题。1-9机器视觉、语音识别、智能机器人等。1-10传统的工业机器视觉系统一般由光源、目标物体、光学成像系统、图像采集与数字化、智能图像处理与决策和控制执行模块组成。1-11从技术层面来看：（1）算法模型将会取得新的突破；（2）机器学习训练的小样本化：（3）深度学习技术将实现广泛产业化应用；（4）深层次的人工神经网络和量子技术的应用。从产业化角度看：（1）智能应用向多元化发展；（2）人工智能将会和实体经济进一步融合；（3）人工智能平台将建设开发；（4）全产业链布局加快实现。习题1.数据、信息、知识和智能的区别有哪些？2 .知识的特征是什么？3 .用谓语逻辑表示下列句子。（1）小李是一名学生。（2）小张的妈妈是一名教师。（3）英语考试有一名学生不及格。（4）有一名学生数学考试和英语考试都不及格。4,产生式系统有哪儿部分组成？它的基本形式是什么？5 .用产生式表示下列句子。（1）如果该动物产乳，则它是哺乳动物。（2）如果该动物产乳且反刍，则它是有蹄动物，而且是偶蹄动物。（3）如果不下雨，那么就不带伞6 .语义网络由哪些要素组成？分别表示什么？7 .用语义网络表示下列句子。8 .试写出“某公司员工框架”的描述。9 .知识获取的任务包括哪些？10 .构建知识库的原则有哪些？11 .知识图谱的基本表示方式有哪些？12 .知识图谱的生命周期包括哪些环节？13 .专家系统的结构包括哪些？14 .专家系统的工作原理是什么？15 .列举专家系统的实例。参考答案1 .数据、信息、知识和智能的区别有哪些？答：数据是未经加工的原始素材。信息是加工处理后有逻辑的数据。知识是人对信息进行加工、吸收、提取、评价的结果。智能是知识进一步归纳总结后的规律，可演化为更多的知识，指导客观实践。2 .知识的特征是什么？答：（1）客观性；（2）相对正确性；（3）不确定性；（4）可表示性与可利用性。3 .用谓语逻辑表示下列句子。（1）小李是一名学生。答：Student（Li）（5）小张的妈妈是一名教师。答：TeacherImother（Zhang）(6)英语考试有一名学生不及格。答：(3x)(Studentfx)->-'Pass(×,English)(7)有一名学生数学考试和英语考试都不及格。答：(3×)(Studentfx)->,Pass(x,English)A",Pass(×,Maths)或(3×)(Studentfx)->-,(Pass(×,English)VPass(x,Maths)4 .产生式系统有哪几部分组成？它的基本形式是什么？答：产生式系统由规则库、推理机和综合数据库组成。产生式的基本形式：P÷Q或IFPTHENQ5 .用产生式表示下列句子。(1)如果该动物产乳，则它是哺乳动物。答：该动物产乳一它是哺乳动物或IF该动物产乳THEN它是哺乳动物(4)如果该动物产乳且反刍，则它是有蹄动物，而且是偶蹄动物。答：该动物产乳AND反刍它是偶蹄动物或IF该动物产乳AND反刍THEN它是偶蹄动物(5)如果不下雨，那么就不带伞答：不下雨一不带伞或IF不下雨THEN不带伞6 .语义网络由哪些要素组成？分别表示什么？答：语义网络由节点和弧线构成。节点表示各种事件、事物、概念、情况、属性和动作等；弧线是有方向的、有标注的，方向表示节点间的主次关系；标注表示各种语义联系。7 .用语义网络表示下列句子。(1)蜻蜓和蝴蝶都是动物。答：AKC-AKC蜡蛆动物蝴蝶(2)蜻蜓和蝴蝶都有翅膀和腿。(3)蜻蜓是动物，蚊子也是动物，且蜻蜓吃蚊子。(4)小明的爸爸和小强的爸爸是同事，且小明和小强是同学。8 .试写出“某公司员工框架”的描述。框架名：员工姓名：单位（姓、名）年龄：单位（岁）性别：范围（男、女）缺省：男学历：范围（博士、研究生、本科生、其他）毕业院校：单位（输入详细信息）部门：范围（董事会，行政部，财务部，研发部，技术部，销售部，生产部，物资部，其他）职位：单位（输入详细信息）入职时间：单位（年、月）离职时间：单位（年、月）缺省：未离校（仅供参考）9 .知识获取的任务包括哪些？答：知识获取的基本任务包括：知识抽取、知识建模、知识转换、知识输入、知识检测和知识库重组。10 .建知识库的原则有哪些？11 1）知识库具有相对独立性2）便于对知识进行搜索3）便于对知识进行维护和管理4）便于存储用多种形式表示的知识IL识图谱的基本表示方式有哪些？答：实体三元组表示为：（实体1,关系，实体2）属性三元组表示为：（实体，属性名称，属性值）12 .知识图谱的生命周期包括哪些环节？答：知识图谱系统的生命周期包含：知识建模、知识获取、知识管理和知识应用。13 .专家系统的结构包括哪些？答：专家系统通常由知识库、推理机、综合数据库、知识获取机构、解释机构和人机接口组成。14 .专家系统的工作原理是什么？答：专家系统是通过推理机、知识库和综合数据库的交互作用来求解领域问题的，一般流程如下：（1）根据用户的问题对知识库进行搜索，匹配与问题有关的知识。（2）根据搜索得到的知识和系统的控制策略，形成解决问题的途径，从而构成一个假设方案集。（3）对假设方案集进行排序，并挑选其中在某些准则下为最优的假设方案。（4）根据挑选的假设方案去求解具体问题。（5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题。（6）循环（1）（5）步，直到问题已经解决或所有可能的求解方案都不能解决问题为止。15 .列举专家系统的实例。答：略习题一、选择题1 .关于“与/或”图表示法的叙述中，正确的是（）A用“AND”和“OR”连续各部分的图形，用来描述各部分的因果关系B用“AND”和“OR”连续各部分的图形，用来描述各部分之间的不确定关系C是用“与”节点和“或”节点组合起来的树形图，用来描述某类问题的求解过程D是用“与”节点和“或”节点组合起来的树形图，用来描述某类问题的层次关系2 .在与或树和与或图中，把没有任何父辈节点的节点叫做：A叶节点B端节点C根节点D起始节点3 .启发式搜索中，通常OPEN表上的节点按照它们的估价函数f值的（）顺序排列：A递增B平均值C递减D最小4 .启广度优先搜索方法能够保证在搜索树种找到一条通向目标节点的（）路径（如果有路径存在时）。A可行B最短C最长D解答5 .下列属于遗传算法的基本内容的是（）A图像识别B遗传算子C语音识别D神经调节6 .A*算法是一种（A图搜索策略B有序搜索算法C盲目搜索D启发式搜索二、简答题1.什么是搜索？有哪两大类不同的搜索方法？两者的区别是什么？2 .什么是与树？什么是或树？什么是与/或树？什么是可解节点？什么是解树？3 .何为股价函数？估价函数中，g(n)和h(n)各起什么作用？4 .什么是遗传算法？简述其基本思想和基本结构。5 .常用的适应度函数有哪几种？参考答案一、选择题1. D2.C3.D4.A5.B6.D二、简答题1 .向这种根据世界情况，不断寻找可利用知识，从而构造一条代价最小的推理路线，使问题得以解决的过程称为搜索。简单地说，搜索就是利用已知条件在(知识)寻求解决问题办法的过程。根据是否采用智能方法，搜索算法分为盲目搜索算法和智能搜索算法。3 .用于估价结点重要性的函数称为估价函数，其一般形式为：f(n)=g(n)+h(n)其中，g()是代价函数，表示从初始结点S”到结点已经实际付出的代价；/?()是启发式函数，表示从结点到目标结点Sg的最优路径的估计代价。启发式函数/?()体现了问题的启发性信息，其形式要根据问题的特性确定。例如，45)可以是结点到目标结点的距离,也可以是结点处于最优路径上的概率等。4 .进化计算式一种模拟生物进化、自然选择过程与机制求解问题的自组织、自适应人工智能技术。遗传算法就是进化计算的典型.遗传算法的核心思想认为，生物进化过程是从简单到复杂、从低级到高级的古城，其本身是一个自然的、并行的、稳健的优化过程，优化的而目标是对环境的自适应性。生物种群通过“优胜劣汰”及遗传变异来达到进化(优化)的目的。遗传算法用模拟生物和人类进化的方法来求解复杂问题。它从初始种群出发，采用“优胜劣汰，适者生存''的自然法则选择个体,并通过杂交、变异来产生新一代种群，如此逐代进化，直到满足目标为止。4.原始适应度函数和标准适应度函数、加速适应度函数。习题一、选择题1 .关于k-近邻算法说法错误的是OA是机器学习B是无监督学习Ck代表分类个数Dk的选择对分类结果没有影响2 .关于k-近邻算法说法错误的是OA一般使用投票法进行分类任务Bk-近邻算法属于懒惰学习C训练时间普遍偏长D距离计算方法不同，效果也可能显著不同3 .关于决策树算法说法错误的是OA受生物进化启发B属于归纳推理C用于分类和预测D自顶向下递推4 .利用信息增益来构造的决策树的算法是OAID3决策树B递归C归约DFIFO5 .决策树构成的顺序是OA特征选择、决策树生成、决策树剪枝B决策树剪枝、特征选择、决策树生成C决策树生成、决策树剪枝、特征选择D特征选择、决策树剪枝、决策树生成6 .朴素贝叶斯分类器属于O假设A样本分布独立B属性条件独立C后验概率已知D先验概率已知7 .支持向量机是指()A对原始数据进行采样得到的采样点B决定分类平面可以平移的范围的数据点C位于分类面上的点D能够被正确分类的数据点8 .关于支持向量机的描述错误的是OA是一种监督学习的方式B可用于多分类问题C支持非线性核函数D是一种生成式模型9 .关于h均值算法的描述错误的是OA算法开始时，k-means算法时需要指定中心点B算法效果不受初始中心点的影响C算法需要样本与中心点之间的距离D属于无监督学习10 .k-Medoids与k-means聚类最大的区别在于（）A中心点的选择规则B距离的计算法方法C应用层面D聚类效果二、简答题1 .k-近邻算的基本思想是什么？2 .决策树的叶结点和非叶结点分别表示什么？3 .朴素贝叶斯分类器为什么是“朴素”的？4 .线性可分支持向量机的基本思想是什么？5 .核技巧是如何使线性支持向量机生成非线性决策边界的?6 .什么是聚类？聚类和分类有什么区别？7 .试举例聚类分析的应用场景。参考答案一、选择题1.D2.C3.A4.A5.D6.B7.C8.D9.B10.A二、简答题1 .请简述k-近邻算法的思想答：给定一个训练样本集合D以及一个需要进行预测的样本X：对于分类问题，k-近邻算法从所有训练样本集合中找到与X最近的k个样本，然后通过投票法选择这k个样本中出现次数最多的类别作为X的预测结果;对于回归问题,k近邻算法同样找到与X最近的k个样本,然后对这k个样本的标签求平均值，得到X的预测结果。2 .决策树的思想是什么？答：决策树的思想非常简单:给定个样本集合,其中每个样本由若干属性表示，决策网通过贪心的策略不断挑选最优的属性。对于离散属性以不同的属性值作为节点:对于连性，以属性值的特定分割点作为节点。将每个样本划分到不同的子树.再在各棵子树上业递归对子树上的样本进行划分，直到满足一定的终止条件为止。3,简述聚类的目的，宗旨。答：聚类的目的是对样本集合进行自动分类，以发掘数据中隐藏的信息、结构，从而发现可能的商业价值。聚类时，相似的样本被划分到相同的类别，不同的样本被划分到不同的类别。聚类的宗旨是:类内距离最小化，类间距离最大化。同一个类别中的样本应该尽可能靠拢，不同类别的样本应该尽可能分离，以避免误分类的发生。4 .常用的核函数有哪些？答：（1）线性核函数，即支持向量机中的形式；（2）多项式核函数；（3）高斯核函数，又被称为径向基（RBF）函数。5 .决策树的叶结点和非叶结点分别表示什么？答：它的每一个叶子结点对应着一个分类，非叶子结点对应着在某个属性上的划分，根据样本在该属性上的不同取值降气划分成若干个子集。习题及参考答案1.降维的目的是什么？答：（1）提高准确率；（2）减少数据量；（3）数据可视化。2 .降维的方法分哪几类？特点分别是什么？答：（1）直接降维。特点：没有改变原始的特征空间（2）间接降维。特点：改变了原来的特征空间。3 .主成分分析是如何实现数据降维的？答：PCA算法通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量的个数通常小于原始变量的个数，可以去除冗余、降低噪音，达到降维的目的。4 .线性判别分析是如何实现数据降维的？答：将高维的样本投影到最佳鉴别矢量空间，即：把高维空间中的数据进行点投影到一条直线上，将多维降为一维。5 .线性判别分析的分类目标是什么？答：目标：类间离差最大，类内离差最小。6 .特征选择的考虑因素有哪些？答：（1）特征是否发散；（2）特征与目标的相关性。7 .特征选择的方法有哪些？特点分别是什么？答：（1）过滤法优点：不依赖于任何机器学习方法，并且不需要交叉验证，计算效率比较高，只需要基础统计知识；缺点：没有考虑机器学习算法的特点，特征之间的组合效应难以挖掘。（2）包装法优点：特征选择直接针对给定学习器来进行优化，从最终学习器的性能来看，包装法比过滤法更优；缺点：特征选择过程中需要多次训练学习器，因此，包装法特征选择的计算开销通常比过滤法大得多。（3）嵌入法特点：使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征。8 .采用主成分分析法将下列二维数据降为一维数据。答：（1）分别计算X和丫的均值T=2P=3（2）将原数据去均值化X去均值Y去均值-1-2-10002101（3）计算协方差矩阵COXXY）=（TiS）（4）计算协方差矩阵的特征值(5)(6)(7)=2计算特征值对应的特征向量U= /0.7071 . 0.707bV0.7071 0.7071) 选择较大的特征值对应的特征向量组成特征向量矩阵将样本点投影到选取的特征向量上Python程序：importnumpyasnpX=np.array(1,1,1,3,2r3r4,4,2,4)meanval=n.mean(xzaxis=0)#计算原始数据中每一列的均值，axis=。按列取均值newData=×-meanval#去均值化CovMat=np.cov(newData,rowvar=0)#计算协方差矩阵featValue,featVec=np.Iinalg.eig(covMat)#计算协方差矩阵的特征值和特征向量index=np.argsort(featValue)#将特征值按从小到大的顺序排列n_index=index(-1#取最大的特征值在原featValue中的下标n_featVec=featVec:,n_index#取最大的特征值对应特征向量lowData=np.dot(newData,n_featVec)#去均值的数据矩阵与特征向量相乘，得到降维的数据矩阵print(IowData)#输出降维数据矩阵习题6-1.与生物神经元相比，人工神经元具有哪些异同？6-1.前馈式神经网络与反馈式神经网络有何不同？6-3.感知器神经网络存在的主要缺陷是什么？6-4.什么是激活函数？常见的激活函数有哪些？6-5.BP算法的基本思想是什么？它有哪些缺陷？6-6.简述误差反传算法的主要思想？6-7.什么是“泛化能力”？神经网络的泛化能力与哪些因素有关？6-8.什么是“有监督学习”？什么是“无监督学习”？什么是“半监督学习”？什么是“弱监督学习，?6-9.什么是“过学习”？如何减少机器训练中的过学习现象？6-10.什么是梯度下降法？BP神经网络训练过程中为什么通常采用梯度下降法？6-11.画出BP算法的训练过程流程图6-12.一个三维数据样本集和，用BP神经网络输出四种分类（采用“独热编码”），构建网络时输入层、隐含层、输出层采用多少个神经元比较合适？画出你设计的BP神经网络结构图。参考答案习题7-1.深度学习和普通机器学习有什么不同7-2.常见的深度学习框架有哪几种？比较一下它们的优缺点。73.什么是卷积核？如何选择卷积核的尺度？7-4.一个50*50的图像，采用5*5的卷积核，分别指出卷积的步长为1和2时得到卷积后图像的大小。7-5.在卷积运算中边缘填充补零有什么作用？76.什么是空洞卷积？有什么作用？7-7.全连接层有什么作用？SoftmaX函数如何应用于多分类？7-8.什么叫池化？最大池化和平均池化在算法和应用上有什么区别？7-9.什么是dropout?有什么作用？710.什么叫多通道？7-11.什么是反卷积运算？有什么作用？7-12.举例说明一维、二维、三维卷积有哪些应用？7-13.梯度消失和梯度爆炸分别是怎么产生的，有哪些解决办法？7-14.RCNN和LSTM有哪些异同？7-15.什么是生成对抗网络？如何构建生成器和判别器？7-16.什么是迁移学习?有哪些应用？7-17.什么是端到端的深度学习?有哪些优缺点？参考答案习题8-1.简述什么是计算机视觉？8-2.计算机视觉的应用领域有哪些？8-3.卷积神经网路的经典结构包括哪些层？8-4.卷积神经网路的经典结构包括哪些层？8-5.交通标志检测和识别的过程主要包括哪几个环节？86.传统的目标检测方法，存在哪些问题？8-7.一个完整的车牌定位与识别系统，应该包括哪些单元?88.传统的车牌定位是采用什么方法？8-9.车牌字符分割通常采用什么方法？其基本思想是什么？8-10.LPRnet与传统的车牌识别方法相比，有什么区别？参考答案8-1.简述什么是计算机视觉？答：计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目标物体进行跟踪，从而理解并描述出图片或视频里的场景和故事，以此来模拟人脑视觉系统。因此，计算机视觉也通常被叫做机器视觉，其目的是建立能够从图像或者视频中“感知”信息的人工系统。8-2.计算机视觉的应用领域有哪些？答：交通（车牌识别、道路违章抓拍）、安防（人脸闸机、小区监控）、金融（刷脸支付、柜台的自动票据识别）、医疗（医疗影像诊断）、工业生产（产品缺陷自动检测）等多个领域应用。8-3.卷积神经网路的经典结构包括哪些层？答：卷积层、激活层、池化层和全连接层。8-4.卷积神经网路的经典结构包括哪些层？答：卷积层、激活层、池化层和全连接层。8-5.交通标志检测和识别的过程主要包括哪几个环节？答：整个流程被划分为了3个环节，首先是进行图像的预处理操作，主要对图像进行角度变化、压缩等处理；然后是交通标志检测，主要完成候选区域的提取工作；最后是对交通标志的分类操作，主要对交通标志的类型进行分类标注。8-6.传统的目标检测方法，存在哪些问题？答：（1）区域选择策略没有针对性、时间复杂性高，窗口冗余；（2）手工设计的特征鲁棒性较差。8-7.一个完整的车牌定位与识别系统，应该包括哪些单元？答：车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。8-8.传统的车牌定位是采用什么方法？答：我国所有类型汽车车牌大小规格相差不大，基本上长宽比是固定不变的。通常情况下，车牌的边缘信息都是比较多的，它们主要用于检测车牌目标车牌区域内的明显亮度变化所展现是边缘信息车牌检测算法，这个算法的优点在于操作难度低、容易实现检测目的，但不足的是仅仅依靠车牌边缘信息是不能够解决复杂情况的问题。8-9.车牌字符分割通常采用什么方法？其基本思想是什么？答：投影法是目前常用的车牌字符分割算法。利用二值化图像的像素的分布直方图进行分析，从而找出相邻字符的分界点进行分割，主要思路为：二值图像对应方向的投影，就是在该方向取一条直线，统计垂直于该直线（轴）的图像上的像素的黑点数量，累加求和作为该轴该位置的值；基于图像投影的切割就是将图像映射成这种特征后，基于这种特征判定图像的切割位置（坐标），用这个坐标来切割原图像。8-10.LPRnel与传统的车牌识别方法相比，有什么区别？答:LPRnet（LicensePlateRecognitionviaDeepNeuralNetworks）发表于2018年，是一个经典的车牌识别算法，没有对字符进行预分割，是一个端到端的轻量化车牌识别算法。习题109-1什么是语言和语音？9-2人的说话过程可分为几个阶段？9-3人体的发声器官包括哪些？9-4语音信号产生的机理？9-5什么是掩蔽效应？9-6语音信号产生模型包括哪儿部分?9-7语音识别系统的分类？9-8语音识别系统包含有哪儿部分？9-9常见的语音增强方法有哪些？参考答案9-1语言是人们进行信息交流的产物。从结构方面看，语言是一种由声音和词义相结合而形成的符号系统；从功能方面看，语言是人们进行信息传达，实现人与人思维和逻辑交流的工具。语音、词汇、语法是语言的三个基本要素，这三者的有机结合构成了语言的基本内容。语音是由人类发音器官发出的，能承载并传达一定的语义信息，通过人耳接收后能够使人理解其含义的声音。9-2人的说话过程大致可分为五个阶段。(1)想说阶段；(2)表达阶段；(3)传送阶段；(4)接收阶段；(5)理解阶段。9-3人类能够发出语音自下而上所依靠的发音器官包括有肺部、气管、喉管、咽道、鼻腔、口腔和嘴唇。它们相互配合构成了一个完整的发音系统。它们按照发音功能的不同可以分为声道和声门，其中位于喉部以上的部分被称为声道，声道的形状是随着发出声音的不同而变化的，喉的部分被称为声门。9-4人们在说话的时候，由于腹部肌肉收缩导致横膈膜向上移动，从而对肺部产生挤压，使得肺部的空气被挤出并形成气流，气流顺着气管向上运动至咽喉。闭合的声门受到下方气流的冲击而打开，当气流结束后又自动闭合。同时，当气流通过气管和支气管经过咽喉时，收紧的声带由于气流的冲击超声振动，不断的张开和闭合，使声门不断向上传送出气流。这时候气流被声门不断截取形成具有周期性的脉冲信号。另外，声带也是一个振动装置，通过振动产生不同频率的声音信号。声音信号被进一步调制后经过咽喉、口腔或者鼻腔。口腔的开合、舌头的活动和软腭的升降等发音动作，形成了不同的声道构形，从而发出不同的语音。最后，由嘴唇开口处将语音辐射出去。9-5掩蔽现象是一种常见的心理声学现象，是由人耳对声音的频率分辨机制决定的。它指的是在一个较强的声音附近，相对较弱的声音将不被人耳觉察，即被强音所掩蔽。较强的音称为掩蔽者，弱音称为被掩蔽者。掩蔽效应分为同时掩蔽和异时掩蔽两类。同时掩蔽指掩蔽现象发生在掩蔽者和被掩蔽者同时存在时，也称为频域掩蔽。异时掩蔽的掩蔽效应发生在掩蔽者和被掩蔽者不同时存在时，也称为时域掩蔽。异时掩蔽又分为前掩蔽(pre-masking)和后掩蔽(POSt-masking)两种。若掩蔽效应发生在掩蔽者开始之前的某段时间，则称为前掩蔽；若掩蔽效应发生在掩蔽者结束之后的某段时间，则称为后掩蔽。9-6传统的基于声道的语音产生模型包括激励模型、声道模型和辐射模型。这三个模型分别与肺部的气流和声带共同作用形成的激励、声道的调音运动及嘴唇和鼻孔的辐射效应一一对应。9-7语音识别系统可根据不同的分类标准进行不同类型的划分：(1)根据说话人说话方式及特点的不同，可以把语音识别系统划分为孤立词语音识别系统、连接字语音识别系统和连续语音识别系统三种类型。(2)根据对说话人语音特征的依赖程度可以划分为特定人语音识别系统和非特定人语音识别系统。(3)根据词汇量的大小来划分则可以分为小词汇量、中词汇量、大词汇量以及无限词汇量语音识别系统。9-8语音识别系统包含有预处理；（2）特征提取；（3）训练；（4）识别四个部分。9-9（1）谱减法；（2）自适应滤波算法；（3）基于小波变换的方法；（4）维纳滤波法等。