導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇古今異義詞，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

《蒹葭》曾被認(rèn)為是用來(lái)譏刺秦襄公不能用周禮來(lái)鞏固他的國(guó)家，或惋惜招引隱居的賢士而不可得?，F(xiàn)在一般認(rèn)為這是一首情歌，追表達(dá)求所愛(ài)而不及的惆悵與苦悶。

原文：蒹葭蒼蒼，白露為霜。所謂伊人，在水一方。溯洄從之，道阻且長(zhǎng)。溯游從之，宛在水中央。 蒹葭萋萋，白露未晞。所謂伊人，在水之湄。溯洄從之，道阻且躋。溯游從之，宛在水中坻。蒹葭采采，白露未已。所謂伊人，在水之泗。溯洄從之，道阻且右。溯游從之，宛在水中址。

“道阻且右”中的“右” 古義為“迂回，彎彎曲曲” ，今為“表示方位”。

（來(lái)源：文章屋網(wǎng) ）

篇2

茅檐低小，溪上青青草。醉里吳音相媚好，白發(fā)誰(shuí)家翁媼。 大兒鋤豆溪東，中兒正織雞籠；最喜小兒無(wú)賴，溪頭臥剝蓮蓬。

“無(wú)賴”一詞，現(xiàn)在多用來(lái)形容蠻不講理、品行不端，很顯然在“最喜小兒無(wú)賴”中不是這個(gè)意思。據(jù)考證，“無(wú)賴”在古代有可喜、可愛(ài)的含義。如果這么理解，這句話的意思就講得通了。

像“無(wú)賴”一樣，有很多詞語(yǔ)從古到今含義發(fā)生了大變化，這類(lèi)詞語(yǔ)叫做“古今異義詞”。讓我們一起來(lái)看幾個(gè)公式，了解古今異義詞有哪些類(lèi)型吧！

行=走，走=跑

這兩個(gè)等式是不是讓你很困惑？原來(lái)，古人要表達(dá)我們今天所指的“走路”，用的是“行”?！叭诵斜赜形?guī)熝伞敝械摹叭诵小本褪侵复蠹乙黄鹱呗罚?。而古人的“走”則相當(dāng)于我們今天的“奔跑”。《宿新市徐公店》中，“兒童急走追黃蝶”的“走”不是“走路”，而是“奔跑”，試想，慢慢走哪能追上飛舞的蝴蝶呢？

在這些例子中，詞語(yǔ)的意義“搬了家”，也就是說(shuō)詞義發(fā)生“轉(zhuǎn)移”。詞義的轉(zhuǎn)移還包括感彩的變化，比方說(shuō)“乖”，原來(lái)指違背、不和諧，現(xiàn)在指小孩聽(tīng)話、順從。要是你“穿越”到古人家里作客，開(kāi)口就夸主人家的孩子很“乖”，那一定會(huì)很討人嫌的。

江

在古代許多詩(shī)文中，“江”“河”并不是隨意哪一條河流，一般是特指長(zhǎng)江、黃河?！按蠼瓥|去，浪淘盡，千古風(fēng)流人物”（蘇軾《念奴嬌 赤壁懷古》），“大漠孤煙直，長(zhǎng)河落日?qǐng)A”（王維《使至塞上》），“三萬(wàn)里河?xùn)|入海，五千仞岳上摩天”（陸游《秋夜將曉出籬門(mén)迎涼有感》）……這些詩(shī)詞中的“江”專(zhuān)指長(zhǎng)江，“河”專(zhuān)指黃河，后來(lái)長(zhǎng)江和黃河的支流也被稱(chēng)為“江”“河”，而現(xiàn)在“江”“河”已經(jīng)擴(kuò)大為河流的通稱(chēng)了。

這么說(shuō)來(lái)，是不是古代的“江”小于現(xiàn)代的“江”，古代的“河”小于現(xiàn)代的“河”？在這兩個(gè)例子中，詞語(yǔ)在現(xiàn)代的意義范圍大于古代，詞義發(fā)生了“擴(kuò)大”。

禽>禽

看了這個(gè)公式你一定就明白了，意思是古代的“禽”含義大于現(xiàn)代的“禽”。沒(méi)錯(cuò)。今天我們所說(shuō)的“禽”專(zhuān)指鳥(niǎo)類(lèi)。在古代詞語(yǔ)中，“禽”是鳥(niǎo)獸類(lèi)的總稱(chēng)，包括飛禽，也包括走獸。神醫(yī)華佗創(chuàng)編的“五禽戲”，模仿的就是老虎、鹿、熊、猿猴和鳥(niǎo)這五種“禽”。

篇3

詞的偏義現(xiàn)象在文言文中很常見(jiàn)，如果不能正確區(qū)分，按一般情況翻譯，就會(huì)使譯句不通。偏義復(fù)詞是文言文學(xué)習(xí)中的一個(gè)難點(diǎn)，是文言文復(fù)習(xí)備考的一個(gè)重要知識(shí)點(diǎn)。1996年全國(guó)高考題對(duì)此作過(guò)專(zhuān)門(mén)的考查。該題是這樣設(shè)計(jì)的：

《孔雀東南飛》中“晝夜勤作息”的“作息”是一個(gè)偏義復(fù)詞，下列句子中加點(diǎn)的詞語(yǔ)屬于偏義復(fù)詞的是（ ）

A.為奸利無(wú)所忌

B.每宴饗費(fèi)千金

C.刺諸縣短長(zhǎng)

D.必條利病反復(fù)

此題答案為C。因?yàn)楦鶕?jù)語(yǔ)境分析可知，“府遣警盜”“刺諸縣短長(zhǎng)”，“刺”為“刺探”之意，太守派遣“警盜”刺探下屬各縣令的情況，當(dāng)是刺“短”而非刺“長(zhǎng)”。

偏義復(fù)詞的合成方式有三種：

一、兩個(gè)語(yǔ)素意義相近。例如：

①今有一人入園圃，竊其桃李。（《墨子?非攻》）“園”是種樹(shù)的地方，“圃”是種菜的地方。從后面的“桃李”可知“園圃”為偏義復(fù)詞，意義偏在“園”上，“圃”只作陪襯，不表意義。

②無(wú)一不適耳目之觀。（《芙渠》）從后面的“觀”，可知“耳目”意義偏在“目”上，“耳”作陪襯。

二、兩個(gè)語(yǔ)素意義相對(duì)。例如

①便可白公姥，及時(shí)相遣歸。（《孔雀東南飛》）

②我有親父兄，性行暴如雷。（《孔雀東南飛》）

從上下文看，這兩例中的“姥”“兄”表示意義，“公”“父”作陪襯。

三、兩個(gè)語(yǔ)素意義相反。例如：

①冀緩急或可救助。（《譚嗣同傳》）意義偏在“急”上。

②陟罰藏否，不定異同。（《出師表》）意義偏在“異”上。

中學(xué)課本中偏義復(fù)詞的例子很多，不一而足，但很多人對(duì)這一現(xiàn)象卻存在陌生感，甚至覺(jué)得不可思議。其實(shí)，現(xiàn)代漢語(yǔ)中也有很多偏義復(fù)詞，只是因?yàn)槲覀儗?duì)這類(lèi)詞的偏義理解已經(jīng)習(xí)慣化，而對(duì)另一個(gè)語(yǔ)素的意義不加考慮，從而對(duì)現(xiàn)代漢語(yǔ)中的偏義現(xiàn)象渾然不覺(jué)。通過(guò)對(duì)現(xiàn)代漢語(yǔ)中偏義復(fù)詞的分析，有助于加深我們對(duì)古代漢語(yǔ)中這一現(xiàn)象的理解。下面試舉幾例：

①窗戶：門(mén)鎖著，他從窗戶跳進(jìn)屋里。詞義偏在“窗”上，而“戶”（本義為“門(mén)”）只起陪襯作用。

②兄弟：他是我兄弟，比我小五歲，詞義偏在“弟”上，“兄”起陪襯作用。

③動(dòng)靜：他聽(tīng)見(jiàn)對(duì)面的房間有動(dòng)靜。詞義偏在“動(dòng)”上，“靜”起陪襯作用。

④睡覺(jué)：太陽(yáng)都出來(lái)了，他還在睡覺(jué)。詞義偏

在“睡”上，“覺(jué)”（醒）作陪襯。

⑤痛快：今天在公園里玩得真痛快。詞義偏在“快”上，“痛”起陪襯作用。

篇4

關(guān)鍵詞：傳統(tǒng)語(yǔ)文學(xué)；現(xiàn)代；聯(lián)綿詞觀

聯(lián)綿詞被看做漢語(yǔ)詞匯中的一種特殊的語(yǔ)言現(xiàn)象，我們現(xiàn)在界定聯(lián)綿詞的主流思想是：雙音的單純?cè)~。聯(lián)綿詞并非現(xiàn)代漢語(yǔ)詞匯中的一個(gè)小類(lèi)，其實(shí)聯(lián)綿詞早在西周晚期就已經(jīng)出現(xiàn)，春秋以來(lái)數(shù)量激增。對(duì)聯(lián)綿詞的注釋、研究在漢代就已經(jīng)開(kāi)始。《爾雅》《廣雅》中就收錄了不少聯(lián)綿詞。但是把它們搜集整理，界定為詞匯的一類(lèi)，并賦予名稱(chēng)，并將其與單音詞、復(fù)合詞相區(qū)別，那就是較晚的事了。

宋代張有《復(fù)古編》首次使用了“聯(lián)綿字”這一名稱(chēng)，并將聯(lián)綿字單列一章，共收聯(lián)綿字58個(gè)，辨字體的正俗。明代張慎編《古音駢字》、朱謀瑋的《駢雅》、方以智的《通雅釋詁》中的“語(yǔ)”、清代王念孫的《讀書(shū)雜志漢書(shū)第十六》“連語(yǔ)”、近人王國(guó)維的《聯(lián)綿字譜》、符定一的《聯(lián)綿字典》等，可稱(chēng)的上是傳統(tǒng)聯(lián)綿字及其理論的代表。以上提的“聯(lián)綿字”、“語(yǔ)”、“連語(yǔ)”“駢字”等不同的名稱(chēng)，代表著古代學(xué)者對(duì)聯(lián)綿詞的一些論斷，那么傳統(tǒng)的聯(lián)綿詞觀和我們現(xiàn)在語(yǔ)言學(xué)家的聯(lián)綿詞觀是否一致呢？本文將梳理傳統(tǒng)的聯(lián)綿詞觀和現(xiàn)代的聯(lián)綿詞的相關(guān)研究來(lái)討論古今聯(lián)綿詞觀的差異。

一、傳統(tǒng)語(yǔ)文學(xué)的聯(lián)綿詞觀

《復(fù)古編》原是根據(jù)《說(shuō)文》小篆以正俗字的字書(shū)，該書(shū)分上下兩卷，收三千余字。下卷入聲附辨證六門(mén)，其一曰“聯(lián)綿字”共例58個(gè)雙音節(jié)例詞，每條詞語(yǔ)以小篆出目，然后分析每個(gè)單字的字形并注明音切，進(jìn)而指出俗體為非，一般在析形注音之前還有義訓(xùn)。如果根據(jù)張有自己的注解，并按我們現(xiàn)在的語(yǔ)素觀去分析其內(nèi)部結(jié)構(gòu)的話。不難發(fā)現(xiàn)其中收錄了大量的合成詞。由于張有并沒(méi)有對(duì)“聯(lián)綿字”加以界定，列舉詞語(yǔ)又只是為了糾正俗體字而選擇的例子，并不是他觀念中的“聯(lián)綿字”的全部，所以我們無(wú)法斷言張有的“聯(lián)綿字”應(yīng)該包括哪些種類(lèi)。但是我們?nèi)匀豢梢钥隙?，張有?duì)聯(lián)綿詞的界定并非現(xiàn)代所指的雙音的單純?cè)~。

明代朱謀瑋的《駢雅》依照《爾雅》的體例類(lèi)編七卷，收詞四千有余。自序中稱(chēng)：“畸文只句猶得訊之頡籀家書(shū)，乃聯(lián)二為一，駢異而同，析之則秦越，合之則肝膽，古故無(wú)其編焉，非藝事之一大歉饉哉！”余長(zhǎng)祚于序言中對(duì)“駢字”作了解釋?zhuān)骸榜壷疄檠圆ⅠR也，聯(lián)也，謂字與說(shuō)俱偶者也。”由此，我們可以看出《駢雅》中所收的為雙音詞。在朱看來(lái)這些都算作聯(lián)綿詞。從所收詞的數(shù)量以及完備的體例來(lái)看，《駢雅》可以說(shuō)是古代第一部較為完整的聯(lián)綿字典。但是具體分析所收詞的結(jié)構(gòu)，我們不難找出現(xiàn)代復(fù)音結(jié)構(gòu)的各種類(lèi)型。除此之外它還收錄了許多重言詞，早在《爾雅》已經(jīng)將重言單列一類(lèi)，而朱卻將“重言”與“駢字”放在一起。由此可見(jiàn)朱將重言也看做是駢字。

明末方以智的《通雅》，仿《爾雅》體例分類(lèi)詮釋古語(yǔ)詞，其中《釋詁》共八卷，“語(yǔ)”三卷。方對(duì)語(yǔ)的解釋是“語(yǔ)者，雙聲相轉(zhuǎn)而語(yǔ)涉也?！痹凇锻ㄑ拧返木砣辆硭氖潘械膹?fù)音詞中，有單列“語(yǔ)”“重言”，這是方有意進(jìn)行的下位分類(lèi)。在方看來(lái)“語(yǔ)”與其他復(fù)音詞相比，結(jié)構(gòu)更加嚴(yán)密，方所收的語(yǔ)中近2/3是各種類(lèi)型的復(fù)合詞。

清代的王念孫的聯(lián)綿詞理論雖未成系統(tǒng)但可以從他的有關(guān)著作中看到。王關(guān)于“連語(yǔ)”的理論對(duì)后世影響很大?！胺策B語(yǔ)之字，皆上下同義，不可分訓(xùn)。說(shuō)者望文生義，往往穿鑿而失其本旨?！薄按蟮蛛p聲疊韻之字，其義即存乎聲，求諸其聲則得，求諸其文則惑矣?！贝送馔跄顚O還特別注意到了雙聲疊韻的關(guān)系，并從聲近音轉(zhuǎn)的角度分析聯(lián)綿詞的字形變化，這位近代研究聯(lián)綿詞奠定了基礎(chǔ)。

王國(guó)維的聯(lián)綿字觀：“聯(lián)綿字，合二字以成一語(yǔ)，其實(shí)猶一字也。”我們可以看出，他繼承了王念孫的“上下同義，不可分訓(xùn)”的理論并有所發(fā)展?！巴鯂?guó)維《聯(lián)綿字譜》所收聯(lián)綿字中包括841個(gè)重言詞及部分異體詞，共2718個(gè)，不僅絕大多數(shù)是合成詞，而且還有一些四字詞組?！泵駠?guó)符定一編有《聯(lián)綿字典》，全書(shū)三十六卷，收字兩萬(wàn)七千有余?！啊堵?lián)綿字典》雖以字典為名，實(shí)際是一部專(zhuān)收雙音詞的詞典。全書(shū)虛詞以及除去大量的編次雙聲、疊韻和重疊的聯(lián)綿字外，連助字虛詞以及一般的雙音復(fù)詞也包括在內(nèi)。我們從他所列的聯(lián)綿字可以看出，在符定一的觀念中，所有兩個(gè)字連用成為一體的詞，無(wú)論是單純?cè)~還是雙音節(jié)合成詞都可以看做是聯(lián)綿字。

以上所列的不管是張有的“聯(lián)綿字”朱謀瑋的“駢字”、方以智的“語(yǔ)”、王念孫的“連語(yǔ)”、王國(guó)維的“聯(lián)綿字”還是符定一的“聯(lián)綿字”，他們對(duì)聯(lián)綿詞的觀點(diǎn)基本一致，我們可以將其稱(chēng)作傳統(tǒng)的聯(lián)綿字觀。“歷代語(yǔ)文學(xué)家筆下的聯(lián)綿字雖然有不同的含義，但包括聯(lián)綿字、語(yǔ)等相關(guān)術(shù)語(yǔ)，從來(lái)沒(méi)有哪個(gè)僅指雙音單純?cè)~”

現(xiàn)代聯(lián)綿詞觀：

現(xiàn)代語(yǔ)言學(xué)家界定聯(lián)綿詞為雙音單純?cè)~，具體的說(shuō)聯(lián)綿詞中的兩個(gè)字，僅是一個(gè)詞素，不能分析為兩個(gè)詞素。

民國(guó)，陳兆年提出了“純連語(yǔ)”這一術(shù)語(yǔ)。“今分連語(yǔ)為二類(lèi)，‘愴’‘侵’之類(lèi)，雖為連語(yǔ)，兩字可分用，與連用之義無(wú)異，殆為復(fù)語(yǔ)連語(yǔ)。其不能分者，謂之曰純連語(yǔ)”這里說(shuō)的“純連語(yǔ)”似乎與現(xiàn)在說(shuō)的雙音單純?cè)~相似。

王力先生主編的《古代漢語(yǔ)》談到聯(lián)綿詞說(shuō)：“單純的復(fù)音詞絕大部分是聯(lián)綿字。聯(lián)綿字中的兩個(gè)字僅僅代表單純復(fù)音詞的兩個(gè)音節(jié)，古代注釋家有時(shí)把這種聯(lián)綿字拆成兩個(gè)詞，當(dāng)作詞組加以解釋?zhuān)鞘墙^大的錯(cuò)誤?！?/p>

郭在貽先生：“所謂連語(yǔ)（又寫(xiě)作語(yǔ)，又叫做聯(lián)綿詞），是指用兩個(gè)音節(jié)來(lái)表示一個(gè)整體意義的雙音詞，換句話說(shuō)，它是單純性的雙音詞?！鄙劬疵粝壬凇冬F(xiàn)代漢語(yǔ)通論》中認(rèn)為：“聯(lián)綿詞是指從古代漢語(yǔ)中流傳下來(lái)單個(gè)音節(jié)沒(méi)有意義的雙音節(jié)詞。

總結(jié)：通過(guò)梳理前人對(duì)聯(lián)綿詞的研究，我們不難發(fā)現(xiàn)，古今學(xué)者的聯(lián)綿詞觀念是不同的。傳統(tǒng)聯(lián)綿詞觀對(duì)于聯(lián)綿詞的界定較為寬泛，只要是兩個(gè)字連用而成為一個(gè)整體都可以視作聯(lián)綿詞。傳統(tǒng)語(yǔ)文學(xué)家無(wú)意辨認(rèn)聯(lián)綿詞語(yǔ)素。而當(dāng)今學(xué)者用現(xiàn)代語(yǔ)言學(xué)理論，對(duì)詞匯科學(xué)分類(lèi)，將聯(lián)綿詞界定為雙音單純?cè)~。雖然現(xiàn)在學(xué)者對(duì)聯(lián)綿詞的界定讓我們對(duì)聯(lián)綿詞有了較清楚的認(rèn)識(shí)，但是要想分辨聯(lián)綿詞，就必須對(duì)雙音詞語(yǔ)素進(jìn)行辨認(rèn)，我們現(xiàn)行的“替換法”，不失是一個(gè)分辨語(yǔ)素的好方法，但是也正如沈懷興所認(rèn)為的那樣“使用替換法判定聯(lián)綿詞語(yǔ)素，歸根結(jié)底離不開(kāi)施法人的語(yǔ)文知識(shí)及語(yǔ)感?！彼噪p音詞語(yǔ)素的辨認(rèn)問(wèn)題直到現(xiàn)在仍然一個(gè)有待解決的問(wèn)題。

參考文獻(xiàn)：

[1]李運(yùn)富，是“誤解”不是“挪用”――兼談古今聯(lián)綿詞觀念上的差異[J].中國(guó)語(yǔ)文，1991.

[2]劉葉秋《中國(guó)字典史略》1983年中華書(shū)局印本

[3]王力，古代漢語(yǔ)[M].中華書(shū)局，

[4]郭在貽，訓(xùn)詁五講[M].上海古籍出版社，1985.

[5]王國(guó)維，研究發(fā)現(xiàn)

[6]劉葉秋， 中國(guó)字典史略[M].中華書(shū)局，1983.

[7]陳兆年， 連語(yǔ)叢說(shuō)[J].河南圖書(shū)館館刊.第3期，1933.

[8]徐振邦，聯(lián)綿詞概論[M].大眾文藝出版社.1998.

篇5

沉疴痼疾：本意指久治不愈的病，可比喻很久都難以解決的問(wèn)題，或長(zhǎng)期改不掉的壞習(xí)慣、毛病。

近義詞：

頑疾：頑固的疾病、久治不愈的疾病。宿疾難醫(yī)：多年的老病難以醫(yī)治，比喻習(xí)慣很深的壞毛病不易改掉。反義詞：

小恙：程度不深，問(wèn)題不大的小病。無(wú)恙：指沒(méi)有發(fā)生疾病，引申指雖然受到了不良侵害，但是沒(méi)有產(chǎn)生不良影響。安然無(wú)恙：平平安安，沒(méi)出什么事故，泛指?jìng)χ?lèi)的產(chǎn)生憂傷的事。

（來(lái)源：文章屋網(wǎng) ）

篇6

關(guān)鍵詞：肋骨骨折；內(nèi)固定；腦用粘巾

【中圖分類(lèi)號(hào)】R47【文獻(xiàn)標(biāo)識(shí)碼】A【文章編號(hào)】1672-3783(2012)03-0332-01

多發(fā)性肋骨骨折，由于骨斷端錯(cuò)位易刺破胸膜、肋間血管及肺組織，可出現(xiàn)氣胸、血胸、皮下氣腫；因胸壁軟化范圍大，易出現(xiàn)反常呼吸，影響肺通氣，出現(xiàn)缺氧或二氧化碳潴留，甚至是呼吸、循環(huán)衰竭。采用鎳鈦記憶合金環(huán)抱器治療多發(fā)性肋骨骨折已取得滿意療效。手術(shù)固定時(shí)選擇與肋骨直徑相同的記憶合金，先置于0~4℃滅菌冰水中，緩慢將環(huán)抱器撐開(kāi)，迅速置于骨折端上方，檢查環(huán)抱器位置正確后，用45℃溫鹽水沖洗環(huán)抱器，使環(huán)抱器迅速收縮至原狀，緊緊抱住骨折處，起到良好的固定作用。由于術(shù)中需要交替使用冰、熱鹽水，極易造成手術(shù)野周?chē)鸁o(wú)菌單浸濕，這不僅破壞了手術(shù)的無(wú)菌屏障，同時(shí)也不利于保持病人的體溫和舒適度。

1 臨床資料

我院自2010年01月~2010年12月應(yīng)用一次性腦用粘巾，共有102例肋骨內(nèi)固定手術(shù)，其中男性84例，女性18例；年齡19~78歲，平均年齡49.8歲。

2 材料與方法

2.1 使用材料：一次性腦科手術(shù)專(zhuān)用粘巾（3L醫(yī)用制品集團(tuán)公司生產(chǎn)，C-P型)，其構(gòu)造為45 cmx30 cm的粘貼手術(shù)膜，末端連接有一漏斗型收集袋，漏斗尾端連接有一條直徑為6cm，長(zhǎng)90cm的導(dǎo)水管塑料袋，帶子尾端未封口。

2.2 使用方法：手術(shù)時(shí)，常規(guī)消毒手術(shù)野皮膚，鋪巾，待皮膚消毒液干燥后，將手術(shù)膜從一端揭開(kāi)平整粘貼于術(shù)區(qū)皮膚上，再用一紗布團(tuán)均勻抹壓手術(shù)膜，使其與皮膚粘合緊密，最后將尾端導(dǎo)水管打結(jié)封閉。術(shù)中可根據(jù)手術(shù)需要，將漏斗一側(cè)針對(duì)性的貼于腹側(cè)或是背側(cè)。

2 體會(huì)

2.1 有效防止手術(shù)切口污染。如何保持無(wú)菌，防止手術(shù)切口感染是術(shù)中護(hù)理的一個(gè)重點(diǎn)。手術(shù)部位在經(jīng)消毒液消毒后，只能消除皮膚表面的暫住菌，不能完全消滅藏在皮膚毛囊、皮脂腺等深部的寄存菌；手術(shù)過(guò)程中，隨著時(shí)間的推移，這部分細(xì)菌可隨皮膚的分泌、排泄而移行到皮膚表面且成倍增長(zhǎng)。腦用粘巾作為無(wú)菌產(chǎn)品，貼于切口及其周?chē)?，可暫時(shí)封閉毛孔，防止毛孔內(nèi)細(xì)菌移行切口，降低了切口感染率。

2.2 保持手術(shù)環(huán)境的干燥。無(wú)菌單一經(jīng)浸濕即失去其屏障作用。因腦用粘巾一側(cè)帶有漏斗型收集袋，具有可塑性、固定性，能將術(shù)中外溢的液體集中收集于袋內(nèi)，保持一個(gè)無(wú)菌干燥的手術(shù)環(huán)境。對(duì)術(shù)中需要大量沖洗液的手術(shù)應(yīng)用效果滿意。

2.3 保證患者的安全與舒適。為充分暴露手術(shù)野，術(shù)前需將患者衣服脫去；且術(shù)中不斷交替使用冰、熱鹽水，產(chǎn)生大量的沖洗液。使用腦用粘巾后能及時(shí)將沖洗液引流，有效防止手術(shù)單和患者皮膚被浸濕，既保持了手術(shù)區(qū)的無(wú)菌干燥，也增加了患者皮膚舒適度，同時(shí)也降低了患者身體熱量的意外散失，防止發(fā)生低體溫。

篇7

青花瓷是用含氧化鈷料為原料，在陶瓷坯體上繪畫(huà)，經(jīng)高溫還原焰一次燒成，鈷料燒成后呈藍(lán)紫色，燒成后的青花瓷顏色典雅，有其獨(dú)特的冷艷效果。青花瓷起源于唐宋，但成熟的青花瓷應(yīng)該是在元代，元代的青花藝術(shù)瓷不但顏色豐富，而且在器型及紋樣裝飾上相對(duì)的工整細(xì)致，有其一定的特色。這時(shí)期常見(jiàn)的器物有大盤(pán)、瓶和罐。常采用的青花紋樣有花卉、禽鳥(niǎo)還有獸類(lèi)，龍的運(yùn)用也比較多。到了明代，景德鎮(zhèn)的瓷器出現(xiàn)了新的局面，因?yàn)樵善鞯拇少|(zhì)較粗，釉面呈灰青色，而從明代起，景德鎮(zhèn)的白地青花瓷壓倒了歷史上的青瓷。明朝時(shí)期的青花藝術(shù)瓷發(fā)色深藍(lán)蒼翠，明艷渾厚，料色透入釉骨，描繪技法上是采用畫(huà)筆描線與涂染，畫(huà)面深淺關(guān)系是用筆拓出來(lái)的，到了明朝后期，發(fā)明了青花分水技法，這種技法把青花的明暗、虛實(shí)表現(xiàn)得更加巧妙，就畫(huà)風(fēng)而言，明朝時(shí)期的青花藝術(shù)瓷，確實(shí)是百花齊放，百家爭(zhēng)鳴。由于當(dāng)時(shí)的時(shí)勢(shì)和技術(shù)條件的原因，燒制一件青花瓷必須花費(fèi)大量的人力物力。據(jù)《天工開(kāi)物》中記載：“共計(jì)一坯工力經(jīng)手七十二，方克成器，其中微細(xì)節(jié)目，尚不能盡也?！倍夷菚r(shí)對(duì)青花瓷的要求是只求精工，不計(jì)成本，所以就當(dāng)時(shí)而言，一件好的青花作品，價(jià)格是相當(dāng)昂貴的。

清代的青花瓷在明代青花瓷卓越成就的基礎(chǔ)上，繼續(xù)有所發(fā)展和提高。在瓷器的造型、釉彩都有了新的成就，呈色也由原來(lái)的厚重變?yōu)轷r麗明爽，在畫(huà)藝方面清代的青花藝術(shù)瓷卻沒(méi)有多大變化。反而走進(jìn)了一味模仿的死胡同，那種生龍活虎的民窯畫(huà)風(fēng)蕩然無(wú)存，這可能同滿人的審美習(xí)俗有很大關(guān)系。

民國(guó)時(shí)期是青花藝術(shù)瓷的衰落時(shí)期，那時(shí)民國(guó)大眾的審美需求是那種光彩艷麗的新粉彩瓷，以至當(dāng)時(shí)許多青花名手都紛紛改畫(huà)釉上彩瓷。然而有些畫(huà)家對(duì)青花藝術(shù)仍是情有獨(dú)鐘，最值得一提的就是王步先生，他的青花分水可說(shuō)是別具匠心，獨(dú)領(lǐng)。

任何一種文化產(chǎn)業(yè)和當(dāng)時(shí)的政治、經(jīng)濟(jì)是密不可分的。建國(guó)以來(lái)，青花瓷藝術(shù)有了很大的飛躍發(fā)展。第一，能熟練的掌握青花料性，第二，掌控了窯溫變化，可根據(jù)不同的窯溫?zé)霾煌陌l(fā)色。第三，描繪方面，在傳承傳統(tǒng)技法的同時(shí)繼續(xù)推陳出新。

作為當(dāng)代青花陶瓷藝術(shù)家，深知自己肩負(fù)的使命，怎樣去積極的創(chuàng)新和發(fā)展，怎樣使青花藝術(shù)瓷更巧妙的表現(xiàn)出其時(shí)代特征?

一、在造型方面力求創(chuàng)新，注重造型與裝飾的完美結(jié)合。如作品《冷露》綜合裝飾，筆者采用半刀泥雕刻的松樹(shù)為裝飾題材，紋飾以松樹(shù)的生成姿態(tài)，隨器型的旋轉(zhuǎn)而變化，配合傳統(tǒng)青花描繪的梅，使畫(huà)面和器型巧妙的結(jié)合。根據(jù)對(duì)窯溫的掌控，使作品里面和外面的青花發(fā)色不同，把作品顏色的漸變表現(xiàn)得更為明顯，器皿大膽的采用了變形效果，表現(xiàn)出一種另類(lèi)的美。

篇8

審判長(zhǎng)及各位合議庭成員：

我受安徽百達(dá)律師事務(wù)所指派，擔(dān)任本案被告人方衛(wèi)的辯護(hù)人。在此，首先對(duì)含山縣人民檢察院公訴科、含山縣人民法院刑庭的各位檢察官、法官在我履行律師職務(wù)時(shí)給予的支持和配合表示誠(chéng)摯的感謝。

通過(guò)查閱本案卷宗、會(huì)見(jiàn)被告人和今天的庭審，尤其是控、辯雙方在證據(jù)質(zhì)證、法庭辯論后，我發(fā)表辯護(hù)意見(jiàn)，談?wù)勎覍?duì)本案的認(rèn)識(shí)，即：在本案中，控方?jīng)]有證據(jù)證明方衛(wèi)犯有刑訊逼供罪，更談不上援引該罪法條中致人死亡的條款，應(yīng)當(dāng)宣告被告人無(wú)罪。

我國(guó)刑法第二百四十七條規(guī)定：司法工作人員對(duì)犯罪嫌疑人、被告人實(shí)行刑訊逼供或者使用暴力逼取證人證言的，處三年以下有期徒刑或者拘役。致人傷殘、死亡的，依照本法第二百三十四條、第二百三十二條的規(guī)定定罪從重處罰。根據(jù)該規(guī)定，是否構(gòu)成刑訊逼供罪，在主觀上要看其有無(wú)逼取口供的故意，客觀上要看其有無(wú)實(shí)行暴力或者實(shí)施非肉刑折磨的行為。我們就從這兩個(gè)方面入手，審查被告人的主、客觀行為的證據(jù)

一、控方?jīng)]有證據(jù)證明被告人有刑訊逼供的主觀故意。

二、控方?jīng)]有證據(jù)證明被告客觀上有肉刑或變相肉刑的行為。

在本案中，控方能夠出示的所謂證明被告有刑訊逼供行為的證據(jù)及點(diǎn)評(píng)如下：

（三）12月17日潘世討被逼供?？胤降淖C據(jù)沒(méi)有，而指控人潘世討全盤(pán)否認(rèn)指控，認(rèn)為該指控是被檢方偵查人員威逼脅迫而作。此外，當(dāng)天潘世討出入所體檢表也可證明。

最后，需要指出：李政在其盜竊案一審判決后，以其受到刑訊逼供為由上訴，黃山中院發(fā)回重審后再次被判決構(gòu)成犯罪，李政再次上述后二審裁決維持一審判決。在重審判決及二審裁定中，李政、潘世討的口供及辨認(rèn)現(xiàn)場(chǎng)的筆錄均被作為合法證據(jù)使用，恰恰證明了被告人在對(duì)熊軍一伙盜竊犯罪的偵查活動(dòng)中沒(méi)有違法。

綜上，控方?jīng)]有指控被告犯有刑訊逼供的直接證據(jù)。所謂的間接證據(jù)支離破碎，未形成證據(jù)鏈條，更經(jīng)不起推敲。

篇9

1、“古人今人若流水，共看明月皆如此”的意思是古人和今人都像流水一樣在流逝，只不過(guò)是時(shí)間的匆匆過(guò)客，共同看到的月亮也都是一樣的。

2、古人今人若流水共看明月皆如此出自于李白《把酒問(wèn)月·故人賈淳令予問(wèn)之》。

（來(lái)源：文章屋網(wǎng) ）

篇10

關(guān)鍵詞：孤立詞識(shí)別 免疫粒子群優(yōu)化 LBG算法 DHMM

中圖分類(lèi)號(hào)：TN912.34 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2013）01-0111-03

語(yǔ)音識(shí)別是一項(xiàng)極具魅力且大有作為的新興技術(shù)，其涉及語(yǔ)音語(yǔ)言學(xué)、生理心理學(xué)、信號(hào)處理及計(jì)算機(jī)科學(xué)等眾多學(xué)科。該技術(shù)的目標(biāo)主要是利用人機(jī)接口來(lái)實(shí)現(xiàn)人與機(jī)器的直接對(duì)話，并能夠使機(jī)器根據(jù)人的語(yǔ)音執(zhí)行各種相應(yīng)的命令。作為語(yǔ)音識(shí)別的一個(gè)分支，孤立詞語(yǔ)音識(shí)別已廣泛應(yīng)用于移動(dòng)通信中的查詢和語(yǔ)音撥號(hào)、汽車(chē)導(dǎo)航中的語(yǔ)音控制、語(yǔ)音檢索等[1][2]，具有重要的理論研究意義和實(shí)際應(yīng)用價(jià)值。

然而，很多應(yīng)用產(chǎn)品的效果仍不夠理想，如識(shí)別率低、語(yǔ)音庫(kù)詞匯量少、識(shí)別速度慢等都嚴(yán)重制約著語(yǔ)音識(shí)別技術(shù)在生產(chǎn)生活中的推廣應(yīng)用。目前，語(yǔ)音識(shí)別中運(yùn)用較多的是隱馬爾科夫模型（HMM）、矢量量化（VQ）、動(dòng)態(tài)時(shí)間規(guī)整（DTW）、人工神經(jīng)網(wǎng)絡(luò)（ANN）以及支持向量機(jī)（SVM）等方法[3]。其中，HMM和VQ在孤立詞語(yǔ)音識(shí)別中應(yīng)用較為成功。

在HMM的孤立詞識(shí)別系統(tǒng)中，首先是提取用于訓(xùn)練的語(yǔ)音特征矢量，然后對(duì)其進(jìn)行矢量量化。矢量量化中，用LBG算法訓(xùn)練得出矢量量化器，再用矢量量化器量化訓(xùn)練參數(shù)。最后，訓(xùn)練參數(shù)進(jìn)入HMM語(yǔ)音識(shí)別系統(tǒng)中進(jìn)行訓(xùn)練識(shí)別。但是，經(jīng)典的LBG算法對(duì)初始碼書(shū)的選取較為敏感，易陷入局部最優(yōu)[4]。因此，本文運(yùn)用免疫粒子群優(yōu)化（IPSO）算法改進(jìn)LBG初始碼書(shū)設(shè)計(jì)，并通過(guò)HMM語(yǔ)音識(shí)別系統(tǒng)進(jìn)行實(shí)驗(yàn)測(cè)試。實(shí)驗(yàn)結(jié)果證明，該方法極大的提高了系統(tǒng)的識(shí)別率，具有一定的可行性。

1 DHMM孤立詞語(yǔ)音識(shí)別方法

隱馬爾可夫模型作為一種語(yǔ)音信號(hào)處理中廣泛運(yùn)用的統(tǒng)計(jì)模型，可實(shí)現(xiàn)雙重隨機(jī)過(guò)程[5]，既可以描述直接觀測(cè)到的信號(hào)瞬態(tài)特征，又可以描述隱含在觀測(cè)序列中的動(dòng)態(tài)特征。HMM分為離散HMM（DHMM）、半連續(xù)HMM（SCHMM）和連續(xù)HMM（CHMM）三種[6]。本文中側(cè)重孤立詞語(yǔ)音識(shí)別研究，鑒于DHMM輸出離散分布概率，實(shí)現(xiàn)時(shí)所需的計(jì)算量以及存儲(chǔ)量都較小，因此選用DHMM模型（圖1）。

DHMM語(yǔ)音識(shí)別的系統(tǒng)框圖如圖1所示。假設(shè)為一個(gè)觀察序列，為HMM參數(shù)組，DHMM語(yǔ)音識(shí)別過(guò)程需要進(jìn)行如下三步：（1）給定模型的條件下，計(jì)算得出觀測(cè)序列的概率；（2）選擇一個(gè)最優(yōu)的狀態(tài)序列來(lái)表達(dá)觀測(cè)序列；（3）通過(guò)調(diào)整模型參數(shù)，以使最大。

在DHMM孤立詞語(yǔ)音識(shí)別中，要計(jì)算觀測(cè)序列對(duì)模型的概率，可以使用Baum-Welch算法和Viterbi算法[7]。Baum-Welch算法用于計(jì)算所有可能狀態(tài)序列所對(duì)應(yīng)概率，Viterbi算法用于計(jì)算最大似然狀態(tài)序列對(duì)應(yīng)的概率。它們均是動(dòng)態(tài)匹配過(guò)程，計(jì)算觀測(cè)序列與模型之間的最佳匹配，兩種算法具有幾乎相同的計(jì)算量。但是Viterbi算法能將浮點(diǎn)乘法轉(zhuǎn)為定點(diǎn)加法，還能將概率對(duì)數(shù)化，從而能夠提高識(shí)別的速度。本文的DHMM的語(yǔ)音識(shí)別系統(tǒng)采用Viterbi算法來(lái)進(jìn)行識(shí)別。

2 免疫粒子群優(yōu)化（IPSO）算法

Kennedy和Eberhart通過(guò)研究鳥(niǎo)群捕食行為，在1995開(kāi)發(fā)了一種仿生進(jìn)化算法——粒子群優(yōu)化（PSO）算法[8]。PSO算法和其他優(yōu)化算法相似，運(yùn)用群體進(jìn)化的方式，假設(shè)單個(gè)粒子無(wú)體積無(wú)重量，以一定速度在搜索空間中飛行。根據(jù)自身及群體的飛行經(jīng)驗(yàn)，空間中的粒子不斷調(diào)整自身的飛行速度，通過(guò)調(diào)節(jié)并改變飛行方向和距離，在空間中根據(jù)最優(yōu)粒子的位置進(jìn)行搜索，經(jīng)過(guò)不斷迭代獲得最優(yōu)解。

在PSO算法中，假設(shè)一個(gè)D維搜索空間，群體由N個(gè)粒子組成。在聚類(lèi)過(guò)程中，先對(duì)這群粒子隨機(jī)初始化。在迭代過(guò)程中，通過(guò)跟蹤個(gè)體最優(yōu)值和全局最優(yōu)值的變化，每個(gè)粒子不斷更新自己的位置及速度。設(shè)第個(gè)粒子的速度為，第個(gè)粒子的位置為，則粒子優(yōu)化計(jì)算如下式：

（1）

（2）

式中，、是對(duì)應(yīng)的學(xué)習(xí)因子，取值通常為2，和取[0，1]間的隨機(jī)數(shù)，代表慣性權(quán)重，其取值將影響算法的收斂性，取值太大會(huì)導(dǎo)致算法不收斂，因此權(quán)重大小的選擇很重要。

設(shè)第個(gè)粒子為最優(yōu)位置，在求解最小化問(wèn)題時(shí)，目標(biāo)函數(shù)值越小，則適應(yīng)度就越好，則個(gè)體最優(yōu)值：

（3）

設(shè)目標(biāo)函數(shù)為，為所有粒子搜索到的位置最優(yōu)值，則有全局最優(yōu)值：

（4）

式中，、、和分別表示第次迭代過(guò)程中，粒子在第維的速度、位置、個(gè)體最優(yōu)位置和整個(gè)種群的全局最優(yōu)位置。在進(jìn)化的過(guò)程中，為了避免粒子飛出搜索空間外，通常取值為，取值為，則將有，。

PSO雖然算法簡(jiǎn)單，實(shí)現(xiàn)容易，但仍存在一定缺陷。PSO算法的各種參數(shù)值往往是通過(guò)經(jīng)驗(yàn)來(lái)確定，其很難保證種群的多樣性，算法容易陷入早熟。因此，本文設(shè)計(jì)了免疫粒子群算法（IPSO）。通過(guò)將免疫記憶、免疫調(diào)節(jié)及接種疫苗等處理機(jī)制[9]運(yùn)用到PSO算法中，每個(gè)粒子都作為一個(gè)抗體，使算法有了全局收斂能力，避免陷入早熟，提高了粒子群的多樣性和收斂速度。

在本文中，將每次迭代生成的最優(yōu)粒子作為記憶細(xì)胞保存起來(lái)，當(dāng)部分粒子適應(yīng)度較低，不合要求時(shí)用記憶細(xì)胞來(lái)代替，從而加快搜索速度。在粒子群更新的過(guò)程中，本文利用免疫系統(tǒng)的調(diào)節(jié)作用，當(dāng)抗體（即粒子）的濃度增高時(shí)，系統(tǒng)對(duì)其進(jìn)行抑制的作用就增大，選擇的概率就減??；反之，選擇的概率增大。這樣就可保證粒子具有多樣性。

通過(guò)下式可計(jì)算第個(gè)粒子的濃度為：

（5）

通過(guò)式（5）可計(jì)算第個(gè)粒子濃度的選擇概率為：

（6）

其中，表示第個(gè)粒子的適應(yīng)度函數(shù)值。從公式（6）可以看出，與粒子相似的粒子數(shù)量越多，粒子被選擇的概率就越小；反之，粒子被選擇的概率就越大。

3 基于IPSO算法的碼書(shū)設(shè)計(jì)

3.1 參數(shù)設(shè)計(jì)

LBG算法是經(jīng)典的碼書(shū)設(shè)計(jì)方法[10]，但LBG中初始碼書(shū)的好壞對(duì)碼書(shū)收斂的速度和最終碼書(shū)的性能都會(huì)產(chǎn)生很大的影響。因此，本文充分利用IPSO算法的全局搜索性能，將每個(gè)粒子看作一個(gè)碼書(shū)，經(jīng)過(guò)聚類(lèi)、迭代得出最優(yōu)解，然后將最優(yōu)解作為初始碼書(shū)，再用LBG算法優(yōu)化得到最優(yōu)碼書(shū)。

本文所用免疫粒子群改進(jìn)LBG算法中參數(shù)的設(shè)計(jì)為：粒子群規(guī)模；新增粒子數(shù)；粒子維數(shù)；最大迭代計(jì)算次數(shù)；學(xué)習(xí)因子；慣性權(quán)重及適應(yīng)度函數(shù)分別通過(guò)公式（7）及公式（8）進(jìn)行計(jì)算。

（7）

式中，為慣性因子最大值，取值為1.0，為慣性因子最小值，取值為0.4，為迭代次數(shù)，為最大迭代代數(shù)。

（8）

其中，表示第個(gè)聚類(lèi)中心，為屬于第個(gè)聚類(lèi)中心的數(shù)據(jù)集合，為聚類(lèi)類(lèi)別數(shù)。適應(yīng)度越小，說(shuō)明聚類(lèi)越緊湊，碼書(shū)性能越好。

3.2 碼書(shū)設(shè)計(jì)

基于IPSO的碼書(shū)設(shè)計(jì)算法的具體步驟為：

步驟1：種群初始化。隨機(jī)地從語(yǔ)音庫(kù)訓(xùn)練矢量集中選取D個(gè)矢量作為一個(gè)粒子（即碼書(shū)），矢量的維數(shù)為，反復(fù)進(jìn)行N次得到N個(gè)粒子，初始化粒子的速度，位置。

步驟2：計(jì)算各個(gè)粒子的適應(yīng)度值，對(duì)個(gè)體最優(yōu)值和全局最優(yōu)值進(jìn)行更新，將作為免疫記憶粒子保存。

步驟3：根據(jù)公式（1），（2）對(duì)粒子當(dāng)前速度和所在位置進(jìn)行進(jìn)化計(jì)算。

步驟4：隨機(jī)產(chǎn)生個(gè)粒子，形成新的粒子群。

步驟5：對(duì)N+M個(gè)粒子的濃度選擇概率通過(guò)公式（6）進(jìn)行計(jì)算，將概率大的個(gè)粒子選出，進(jìn)入下一代。

步驟6：選取為疫苗，隨機(jī)確定一段基因，將步驟5中選出的粒子與疫苗對(duì)應(yīng)的基因進(jìn)行替換。

步驟7：計(jì)算被替換粒子的適應(yīng)度值，與父代進(jìn)行比較，若不如父代，則取消接種，反之保留該粒子，形成新的粒子群。

步驟8：對(duì)每一個(gè)粒子（即碼書(shū)）按照最近鄰法則，重新確定聚類(lèi)劃分，計(jì)算出新的聚類(lèi)中心，形成新碼書(shū)。

步驟9：當(dāng)計(jì)算達(dá)到最大迭代次數(shù)就結(jié)束，否則，跳轉(zhuǎn)至步驟2后重復(fù)進(jìn)行。

4 實(shí)驗(yàn)仿真分析

4.1 實(shí)驗(yàn)建立

孤立詞語(yǔ)音識(shí)別仿真實(shí)驗(yàn)需要語(yǔ)音特征提取、矢量量化、模型訓(xùn)練及識(shí)別測(cè)試4步：

首先，分幀提取待訓(xùn)練和識(shí)別的語(yǔ)音信號(hào)特征參數(shù)，每幀為一個(gè)矢量，構(gòu)成矢量序列。本文采用過(guò)零峰值幅度（ZCPA）語(yǔ)音特征，形成1024維特征矢量。

其次，對(duì)高數(shù)據(jù)率矢量序列進(jìn)行矢量量化。本文通過(guò)IPSO改進(jìn)LBG算法來(lái)形成矢量量化器，將訓(xùn)練數(shù)據(jù)庫(kù)中10人在不同噪聲、不同詞匯量下的語(yǔ)音特征矢量量化形成相應(yīng)碼書(shū)。

第三，將上步得到的碼書(shū)輸入到DHMM模型的孤立詞語(yǔ)音識(shí)別系統(tǒng)中，采用5狀態(tài)單詞模型，27個(gè)樣本訓(xùn)練一個(gè)單詞，將每個(gè)單詞運(yùn)用Baum-Welch算法訓(xùn)練成一個(gè)模板。

第四，運(yùn)用矢量量化器對(duì)待測(cè)試的8個(gè)人在不同噪聲、不同詞匯量下形成的數(shù)據(jù)進(jìn)行矢量量化，形成測(cè)試碼書(shū)。然后用Viterbi算法得到測(cè)試語(yǔ)音數(shù)據(jù)與上步形成的模板所匹配的概率，最大概率值極為識(shí)別結(jié)果。

4.2 仿真分析

本文通過(guò)C++語(yǔ)言編程，在PC機(jī)上建立基于過(guò)零峰值幅度語(yǔ)音特征的IPSO-LBG改進(jìn)DHMM的孤立詞識(shí)別系統(tǒng)。實(shí)驗(yàn)中選用在不同高斯白噪聲條件下（包含15dB、20dB、25dB、30dB和無(wú)噪音），18個(gè)人都分別采集10詞、20詞、30詞、40詞、50詞，每人每個(gè)詞發(fā)音三次，形成實(shí)驗(yàn)語(yǔ)音數(shù)據(jù)，其中10人的語(yǔ)音數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)庫(kù)，另外8個(gè)人的語(yǔ)音數(shù)據(jù)作為識(shí)別數(shù)據(jù)庫(kù)。這樣，通過(guò)PC機(jī)編程仿真，得到了不同噪聲和詞匯量下的基于免疫粒子群優(yōu)化LBG算法的DHMM語(yǔ)音識(shí)別結(jié)果。

表1所示為在不同詞匯量和不同SNR下，分別基于LBG算法和IPSO-LBG算法的DHMM在語(yǔ)音識(shí)別實(shí)驗(yàn)中的識(shí)別結(jié)果。從表中可以看出，基于IPSO-LBG算法的識(shí)別率在不同詞匯量和不同信噪比下都比基于LBG的高，正確識(shí)別的詞匯量也增多，這說(shuō)明IPSO-LBG算法跳出了局部最優(yōu)值，提高了系統(tǒng)的識(shí)別性能，尤其在大詞匯量的語(yǔ)音識(shí)別中表現(xiàn)出更加明顯的優(yōu)勢(shì)。

（圖2）和（圖3）分別是基于LBG、IPSO-LBG兩種算法的DHMM語(yǔ)音識(shí)別系統(tǒng)在不同詞匯量下的平均識(shí)別率柱狀圖和在不同信噪比下平均識(shí)別率的柱狀圖。從兩圖中可以看出，在不同詞匯量下識(shí)別率都有所提高，且隨著詞匯量的增多，識(shí)別率的提高也加快。在不同的信噪比條件下，識(shí)別率的提高速度差不多，在無(wú)噪聲的情況下識(shí)別率最好，系統(tǒng)的抗噪性能還有待提高。總體上驗(yàn)證了基于IPSO-LBG算法的語(yǔ)音識(shí)別系統(tǒng)的有效性。

5 結(jié)語(yǔ)

本文將免疫粒子群算法運(yùn)用到碼書(shū)設(shè)計(jì)中，設(shè)計(jì)了IPSO-LBG算法，并將IPSO-LBG算法用于DHMM孤立詞語(yǔ)音識(shí)別系統(tǒng)中，并給出了實(shí)驗(yàn)的結(jié)果及分析。通過(guò)與基于傳統(tǒng)LBG算法的DHMM孤立詞語(yǔ)音識(shí)別系統(tǒng)相比，證明了IPSO優(yōu)化的識(shí)別系統(tǒng)有較好的識(shí)別率，對(duì)今后孤立詞語(yǔ)音識(shí)別研究具有重要的借鑒作用。

參考文獻(xiàn)

[1]袁里馳.基于改進(jìn)的隱馬爾科夫模型的語(yǔ)音識(shí)別方法[J].中南大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，06：1303-1308.

[2]M. Benzeghiba， R. De Mori， O. Deroo， S. Dupont. Automatic speech recognition and speech variability： A review[J].Speech Communication，2007，49（10）：763–786.

[3]任杰.語(yǔ)音識(shí)別技術(shù)概述[J].大眾科技，2010，08：21.

[4]王社國(guó)，魏艷娜.基于遺傳算法的VQ碼本設(shè)計(jì)及語(yǔ)音識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用，2007，17：71-73.

[5]A-V.I. Rosti， M.J.F. Gales. Factor analyzed hidden Markov models for speech recognition[J].Computer Speech and Language，2004，18（2）：181-200.

[6]高清倫，譚月輝，王嘉禎.基于離散隱馬爾科夫模型的語(yǔ)音識(shí)別技術(shù)[J].河北省科學(xué)院學(xué)報(bào)，2007，02：8-11.

[7]于倩，李春利.自適應(yīng)矢量量化在語(yǔ)音識(shí)別中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2007，06：128-130.

[8]陳立偉，宋憲晨，章東升，楊洪利.一種基于優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別[J].應(yīng)用科技，2008，02：17-20.