基于混合特征提取與改進的CHMM語音識別算法研究.pdf

1、隨著科學技術的發(fā)展,語音識別技術的產(chǎn)品已經(jīng)走出了實驗室,走進了人們?nèi)粘Ｉa(chǎn)生活的各個方面。目前對于語音識別中有些問題還沒有得到徹底解決,尤其是聲學模型的研究上。聲學模型的輸入數(shù)據(jù)是語音的特征參數(shù),而目前應用最廣泛的梅爾倒譜系數(shù)不能夠準確地、完整地表示語音中的所有有用信息,尤其是在漢語的識別中,直接影響了后面所建立的聲學模型的準確性,同時對于聲學模型訓練過程中局部最優(yōu)的問題也沒有完美的解決方案,從而導致產(chǎn)品的性能有些還難以達到理想的使用要

2、求。
　　本文介紹了語音識別算法中特征提取和聲學模型訓練環(huán)節(jié)的研究現(xiàn)狀。分析比較了目前各種算法的優(yōu)缺點,針對主流算法中所存在的問題,提出了自己的解決方案。在特征參數(shù)提取中,提出了基于 Fisher比的混合特征參數(shù)。在聲學模型訓練環(huán)節(jié),提出在模型參數(shù)的初始化階段,根據(jù)語音訓練數(shù)據(jù)的分布特點進行模型的初始化來優(yōu)化訓練算法。本文的研究內(nèi)容主要包括:
　?、偬卣鲄?shù)的提取環(huán)節(jié),針對目前使用較成熟的梅爾倒譜系數(shù)注重低頻信息的不足之處,