基于ANN和HMM模型的口吃語(yǔ)音識(shí)別研究.pdf

1、口吃是一種言語(yǔ)疾病，隨著人工智能的發(fā)展，計(jì)算機(jī)的普及以及智能醫(yī)療的需求，智能識(shí)別口吃類型逐漸被提到日程上來(lái)并具有重要研究意義。
　　 本文基于語(yǔ)音識(shí)別的基礎(chǔ)，結(jié)合口吃語(yǔ)音的特點(diǎn)選擇譜包絡(luò)作為口吃語(yǔ)音特征參數(shù)，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)(ANN)和隱馬爾科夫模型(HMM)實(shí)現(xiàn)口吃語(yǔ)音自動(dòng)識(shí)別的過(guò)程。論文首先介紹了語(yǔ)音識(shí)別的基礎(chǔ)及當(dāng)前語(yǔ)音識(shí)別的發(fā)展情況，并分析了口吃語(yǔ)音識(shí)別研究的歷史、現(xiàn)狀與難點(diǎn)以及口吃識(shí)別分類的流程方法。本文構(gòu)建的口吃語(yǔ)音庫(kù)

2、語(yǔ)音類別共有四種，分別為停頓語(yǔ)音，重復(fù)語(yǔ)音，拉長(zhǎng)語(yǔ)音和流利語(yǔ)音，結(jié)合當(dāng)前研究現(xiàn)狀采取了兩種手動(dòng)切割方法獲取口吃語(yǔ)音，對(duì)語(yǔ)音進(jìn)行預(yù)處理，包括預(yù)加重、平穩(wěn)性分幀，然后提取譜包絡(luò)特征系數(shù)LPCC作為參數(shù)并采取灰色關(guān)聯(lián)度算法和等部分劃分方法進(jìn)行規(guī)整。接下來(lái)論文詳細(xì)討論應(yīng)用神經(jīng)網(wǎng)絡(luò)和隱馬爾科夫模型進(jìn)行口吃語(yǔ)音識(shí)別的分析過(guò)程和設(shè)計(jì)思想：神經(jīng)網(wǎng)絡(luò)選取三層感知器前饋結(jié)構(gòu)，并采取誤差反向傳播算法對(duì)口吃語(yǔ)音進(jìn)行訓(xùn)練和識(shí)別；隱馬爾科夫模型選取從左到右的連續(xù)模