用遺傳算法改進HMM的語音識別算法研究.pdf

1、語音識別是語音信號處理領(lǐng)域的研究熱點，它長期以來一直是一項難題，尤其是對于噪聲環(huán)境下以及非特定人語音識別。訓(xùn)練單元是語音識別系統(tǒng)中十分重要的一環(huán)，語音識別系統(tǒng)的訓(xùn)練效果的優(yōu)劣直接關(guān)系到系統(tǒng)的整體性能。 隱馬爾可夫模型(HMM)作為描述語音信號的一種統(tǒng)計模型，在現(xiàn)代信號處理尤其是語音處理中獲得了廣泛的應(yīng)用。文中闡述了HMM的原理及它的三個問題的求解方法，其中它的訓(xùn)練問題是它的三個基本問題中最難也是最重要的一個，經(jīng)典的訓(xùn)練算法Bau

2、m Welch算法本質(zhì)上是一種梯度下降算法，在訓(xùn)練過程中有可能達到局部最小值。因此，模型初始值的選取比較重要，好的初值可以避免局部極小問題。 遺傳算法的一個重要特點是全局搜索，可以得到全局最優(yōu)解或次優(yōu)解。選擇、交叉、變異是遺傳算法的三個主要的操作算子，個體為操作的對象，它們構(gòu)成了整個遺傳過程，使遺傳算法具有了其它傳統(tǒng)方法所沒有的優(yōu)良特性。又由于HMM中B初值的選取對模型的影響較大，于是本文將遺傳算法應(yīng)用到Baum Welch算法

3、B初值的優(yōu)化中，提出了一個把傳統(tǒng)算法和遺傳算法相結(jié)合的混合算法。 文中首先對B初值進行了編碼，然后再進行適應(yīng)度函數(shù)的設(shè)計、交叉算子、變異算子的設(shè)計以及控制參數(shù)的選擇，最后用軟件仿真實現(xiàn)了上述遺傳算法，求出最優(yōu)的B初值，再用Baum Welch算法進行迭代訓(xùn)練，最后用Viterbi算法進行識別。實驗中由于遺傳算法的性能與它的控制參數(shù)的設(shè)置選取有著極大的關(guān)系，最優(yōu)的算法性能往往需要最優(yōu)的參數(shù)設(shè)置。因此實驗中對兩個最重要參數(shù)(P<,c