多重ANN-HMM混合模型在語音識(shí)別中的應(yīng)用.pdf

1、語音是人類最自然、最熟悉的交互方式，現(xiàn)今語音識(shí)別、語音合成等的研究方興未艾。孤立詞識(shí)別領(lǐng)域已經(jīng)取得了非?？上驳某煽?，但是，在某些情況下，樣本間的差異過大使得訓(xùn)練出的模型很難有好的建模精度，要想獲得可以接受的識(shí)別率就要對模型做進(jìn)一步的改進(jìn)。本文在原有人工神經(jīng)網(wǎng)絡(luò)與隱馬爾可夫模型(ANN/HMM)相結(jié)合的模型基礎(chǔ)上研究一種多重混合識(shí)別模式作為語音的識(shí)別方法，以期可以使用多重模型對差異樣本互補(bǔ)的進(jìn)行建模，取得較好的識(shí)別率。
　　人工神經(jīng)

2、網(wǎng)絡(luò)(ANN)具有抗噪聲、抗變異、自適應(yīng)、學(xué)習(xí)能力強(qiáng)、識(shí)別速度快等特點(diǎn)，因此將其作為狀態(tài)級(jí)的模型，也就是待識(shí)別對象基本單元的模型；隱馬爾可夫模型(HMM)具有較強(qiáng)的處理時(shí)間序列的能力，故作為時(shí)序模式的整體模型。在本方法中，ANN與HMM是幀層面的結(jié)合，用ANN輸出誤差來估計(jì)HMM某一狀態(tài)的輸出概率。首先，提出了一種自動(dòng)增減狀態(tài)來確定模型狀態(tài)數(shù)的方法。這種方法可以根據(jù)訓(xùn)練樣本的具體情況自動(dòng)在適當(dāng)?shù)奈恢迷黾踊蛘邷p少狀態(tài)，對建模精度不夠的狀態(tài)

3、進(jìn)行拆分，對包含數(shù)據(jù)幀數(shù)比較少的狀態(tài)進(jìn)行刪除，最終達(dá)到一個(gè)合適的數(shù)量。
　　在上述模型的基礎(chǔ)上，我們提出了一種多重ANN/HMM混合模型，通過競爭學(xué)習(xí)機(jī)制劃分樣本，通過自適應(yīng)特征重組方法來降低系統(tǒng)的存儲(chǔ)與計(jì)算開銷。自適應(yīng)特征重組方法還可以利用ANN的自適應(yīng)學(xué)習(xí)能力來保證系統(tǒng)的性能。
　　以語音識(shí)別為實(shí)驗(yàn)對象，我們將上述方法與傳統(tǒng)方法做了比較。結(jié)果表明，這種方法的模型精度和識(shí)別率的提高，并不是建立在大量消耗系統(tǒng)資源的基礎(chǔ)上的。