基于HMM和ANN的漢語語音非特定人識別.pdf

1、隨著現(xiàn)代計算機技術(shù)的發(fā)展，人與計算機之間的通信接口已經(jīng)不局限于鼠標和鍵盤。越來越多的新通訊手段被引入到計算機，技術(shù)的發(fā)展讓語音數(shù)字處理和語音識別技術(shù)進展使語音逐漸成為一個有效的輸入。廣大人民夢想出現(xiàn)能直接聽懂人的語言的機器，直接通過語音下指令，語音識別的技術(shù)指的是讓計算機通過對語音的處理和轉(zhuǎn)化，把人的語音溝通變成為相應(yīng)的指令或者是文字。
　　 語音識別技術(shù)相關(guān)領(lǐng)域的多學(xué)科研究，其中包括了聲學(xué)，語言學(xué)，數(shù)字信號處理，計算機科學(xué)，人

2、工神經(jīng)網(wǎng)絡(luò)在不同領(lǐng)域的研究等等為語音識別技術(shù)的發(fā)展作出了貢獻。語音信號自身的特點造成的困難，這些特點包括可變性，動態(tài)，瞬時性和連續(xù)性。計算機語音識別處理和語音識別過程中基本上是相同的。目前主流的語音識別技術(shù)是基于統(tǒng)計模式識別的基本理論。
　　 語音識別技術(shù)研究現(xiàn)在的困難是確定最優(yōu)化的識別結(jié)果，以及神經(jīng)網(wǎng)絡(luò)的參數(shù)訓(xùn)練。具有大量的神經(jīng)元的人工神經(jīng)網(wǎng)絡(luò)并行分布式計算的原則，高效率的學(xué)習(xí)算法以及能夠模仿人類的認知系統(tǒng)，所以它非常適合于解

3、決類似的語音識別這種問題，對于底層和頂層均很試用。我們知道神經(jīng)網(wǎng)絡(luò)來源于對人腦功能的模擬，具有自組織性、自適應(yīng)性、和連續(xù)學(xué)習(xí)的能力。神經(jīng)網(wǎng)絡(luò)是可以訓(xùn)練的，也就是說可以通過不斷的經(jīng)驗訓(xùn)練來積累和改進。加上具有并行性的特質(zhì)，神經(jīng)網(wǎng)絡(luò)具有魯棒性和快速判決的能力，適用于應(yīng)對算法不能明確描述的場景，但是具有不限量的學(xué)習(xí)樣本可以使用。
　　 本文研究了語音識別中孤立詞語音識別的方法和特點，分別對語音信號特征參數(shù)LPCC和MFCC的提取進行了

4、分析，通過探討端點檢測對語音識別系統(tǒng)的影響，并結(jié)合提高語音識別系統(tǒng)穩(wěn)健性的方案，對傳統(tǒng)的端點檢測方法做了一定的改進，采用基于MFCC的距離測量法提高了語音識別系統(tǒng)端點檢測方法的準確性。基于語音識別中的倒譜技術(shù)，實現(xiàn)了語音識別中LPC、LPCC、MFCC等幾種特征參數(shù)的提取方法；分析了神經(jīng)網(wǎng)絡(luò)建模方法及其特點。另外還從隱馬爾可夫模型的幾個基本的步驟開始(評估步驟、解碼步驟、訓(xùn)練步驟)入手進行討論了其作為如何使用語音識別應(yīng)用主要數(shù)學(xué)模型當前

5、的基本原理，并對這些技術(shù)在分析語音識別中如何應(yīng)用。最后在此理論基礎(chǔ)上，針對非特定人的漢語孤立詞識別問題，研究構(gòu)造了基于HMM和神經(jīng)網(wǎng)絡(luò)建模的語音識別算法。該算法的意義主要在于在以隱馬爾可夫模型(HMM)為基本語音模型的基礎(chǔ)上，引入BP神經(jīng)網(wǎng)絡(luò)進行二次識別，有效的利用了隱馬爾可夫模型的強時序信號處理能力和BP神經(jīng)網(wǎng)絡(luò)的強模式分類和泛化性能，改善了孤立詞識別系統(tǒng)的抗噪性能。以往的算法主要是用傳統(tǒng)的DTW或HMM方法，該算法則將神經(jīng)網(wǎng)絡(luò)應(yīng)用于