粒子群優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)用于語音識別的研究.pdf

1、語音識別技術(shù)是近年來高速發(fā)展的一項人工智能技術(shù)，具有廣泛的應(yīng)用前景，在互聯(lián)網(wǎng)、通信、軍事、國防、人機交互等方面都有重要的應(yīng)用價值，長期以來一直是人們研究的熱點。
　　 語音信號的非線性和語義的模糊性是語音識別研究的關(guān)鍵所在。因此，結(jié)合了人工神經(jīng)網(wǎng)絡(luò)的非線性、自學(xué)習(xí)性等特點和模糊系統(tǒng)的模糊推理和模糊劃分等優(yōu)點的模糊神經(jīng)網(wǎng)絡(luò)(Fuzzy Neural Network，F(xiàn)NN)，很快被應(yīng)用到語音識別中。同時，粒子群優(yōu)化算法(Parti

2、cle Swarm Optimization，PSO)是一種性能良好的全局優(yōu)化算法，也是一種很有潛力的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。本文對粒子群優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)用進行了深入的研究，取得了以下的成果：
　　 1、針對傳統(tǒng)BP算法訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)依賴于初始值、訓(xùn)練時間較長、易陷入局部極值的問題，本文提出了粒子群算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)。同時為平衡粒子群算法的全局探索和局部改良能力，算法引入了自適應(yīng)動態(tài)改變的慣性因子?？紤]到語音識別過

3、程中語音特征參數(shù)的維數(shù)都比較大，模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)較復(fù)雜，不宜將全部參數(shù)都采用粒子群算法優(yōu)化，文中利用粒子群算法對模糊神經(jīng)網(wǎng)絡(luò)模糊層的中心進行聚類，寬度和權(quán)值則分別采用距離測度和偽逆法獲得，將訓(xùn)練好的網(wǎng)絡(luò)應(yīng)用于語音識別。實驗表明，該算法有很好的識別性能，在識別率和收斂速度上都優(yōu)于BP算法訓(xùn)練的網(wǎng)絡(luò)。2、針對基本粒子群算法易陷入局部極值的問題，本文引入了量子粒子群算法(Quantum-behaved Particle Swarm Opti

4、mization，QPSO)。并用四個典型的測試函數(shù)對兩種優(yōu)化算法的性能進行了測試，結(jié)果表明量子粒子群算法比基本粒子群算法更易找到全局最優(yōu)值，因此本文提出用量子粒子群算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)。
　　 3、針對當(dāng)前語音識別系統(tǒng)對環(huán)境依賴性強、實現(xiàn)過程復(fù)雜的問題，本文提出了一種改進的語音識別系統(tǒng)，結(jié)合兩種信噪比環(huán)境下的語音對系統(tǒng)進行訓(xùn)練，訓(xùn)練的模板庫可以適用于任何信噪比下語音的識別，大大提高了識別系統(tǒng)對環(huán)境的適應(yīng)性，簡化了語音識別的過程