基于神經(jīng)網(wǎng)絡(luò)語音識別算法的研究.pdf

1、伴隨著現(xiàn)代科學(xué)與計算機(jī)技術(shù)的發(fā)展，人與機(jī)器的信息交流越來越受到人們的關(guān)注，而語音識別作為人機(jī)交流的方式有著廣闊的應(yīng)用前景，語音識別技術(shù)也成為現(xiàn)代計算機(jī)技術(shù)研究和發(fā)展的重要領(lǐng)域之一。由于語音信號的多樣性和復(fù)雜性，目前的語音識別效率也不是很高。因而發(fā)展高效率的語音模型和算法成為語音識別研究的一個重要課題。人的發(fā)音實際上是一個復(fù)雜的非線性過程，基于線性系統(tǒng)理論的語音識別方法的局限性漸漸顯示了出來。語音識別技術(shù)若要取得突破，就必須引入非線性理論

2、的方法。近年來，人工神經(jīng)網(wǎng)絡(luò)（ANN）等非線性理論研究和應(yīng)用的逐漸深入，將這些理論應(yīng)用于語音識別成為可能。本文主要針對神經(jīng)網(wǎng)絡(luò)技術(shù)在語音識別系統(tǒng)中的應(yīng)用來進(jìn)行研究的。 本文首先對語音信號的基本原理作了一些闡述，提取了三個有效特征參數(shù)--LPC系數(shù)、LPC倒譜系數(shù)和Mel頻率倒譜系數(shù)（MFCC）；其次敘述了語音識別的模式匹配及其模型訓(xùn)練技術(shù)；再次討論了神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)用，分析了基于神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練和識別算法，對傳統(tǒng)的神經(jīng)