基于神經(jīng)網(wǎng)絡(luò)的語音識(shí)別技術(shù)研究與實(shí)現(xiàn).pdf

1、語音識(shí)別技術(shù)自誕生以來就對(duì)人類的生活方式產(chǎn)生了深遠(yuǎn)的影響，因此語音識(shí)別技術(shù)一直以來都是世界各地學(xué)者們深入研究的熱點(diǎn)。目前語音識(shí)別廣泛采用動(dòng)態(tài)時(shí)間規(guī)整(DTW)技術(shù)和基于概率統(tǒng)計(jì)原理的隱馬爾可夫模型(HMM)技術(shù)，將人工神經(jīng)網(wǎng)絡(luò)(ANN)應(yīng)用于語音識(shí)別是近年來提出的一種較新的研究方法。語音是一個(gè)復(fù)雜的非線性過程，因此基于非線性理論，具有自適應(yīng)性、并行性、魯棒性容錯(cuò)性和學(xué)習(xí)性等特點(diǎn)的人工神經(jīng)網(wǎng)絡(luò)技術(shù)逐漸成為時(shí)下語音識(shí)別新的研究方向。本文以神

2、經(jīng)網(wǎng)絡(luò)中使用率最高的BP網(wǎng)絡(luò)為模型，初步探索了其在語音識(shí)別領(lǐng)域中的應(yīng)用。本文的研究?jī)?nèi)容和成果如下：
　　首先，從語音識(shí)別的層次模型和系統(tǒng)模型上分析了語音識(shí)別的基本原理。研究了語音預(yù)處理的整個(gè)流程，包括對(duì)原始語音信號(hào)的采集、預(yù)加重、分幀加窗和端點(diǎn)檢測(cè)，并探討了不同語音特征值的獲取方法，重點(diǎn)分析了美爾頻率倒譜系數(shù)(MFCC)的提取流程。
　　其次，介紹了人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和特點(diǎn)，并重點(diǎn)分析了三層前饋型誤差反向傳播(BP)網(wǎng)絡(luò)

3、，給出了其標(biāo)準(zhǔn)算法的推導(dǎo)過程，分析了該算法存在的缺陷和不足，并在前人研究的基礎(chǔ)上做出了對(duì)神經(jīng)元傳輸函數(shù)進(jìn)行調(diào)整的改進(jìn)。具體方法是通過向tan-sigmoid激活函數(shù)引入溫度系數(shù)和位置系數(shù)從而使網(wǎng)絡(luò)參數(shù)信息更加豐富，加快收斂速度，給出了改進(jìn)算法的推導(dǎo)過程。在改進(jìn)的BP算法中引入了動(dòng)量因子，并且采用批處理的訓(xùn)練方式，通過一個(gè)簡(jiǎn)單的函數(shù)逼近實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的有效性。
　　最后，通過matlab和vs開發(fā)了一個(gè)基于BP神經(jīng)網(wǎng)的語音識(shí)別仿