基于隱馬爾可夫模型和神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別算法研究.pdf

1、語(yǔ)音識(shí)別是一門內(nèi)涵豐富、應(yīng)用廣泛的技術(shù),它的實(shí)用性和趣味性使得人們對(duì)它有著迫切的應(yīng)用需求。當(dāng)今語(yǔ)音識(shí)別在辦公或商業(yè)系統(tǒng)的數(shù)據(jù)庫(kù)語(yǔ)音查詢、工業(yè)生產(chǎn)部門的語(yǔ)聲控制、電話與電信系統(tǒng)的自動(dòng)撥號(hào)以及醫(yī)療和衛(wèi)生等領(lǐng)域發(fā)揮重要的作用,并且極有可能成為下一代操作系統(tǒng)和應(yīng)用程序的用戶界面。
　　雖然語(yǔ)音識(shí)別己經(jīng)取得巨大的成就,形成了隱馬爾可夫模型、矢量量化、動(dòng)態(tài)時(shí)間規(guī)正等有效技術(shù),出現(xiàn)了一些比較成功的語(yǔ)音識(shí)別系統(tǒng),但是面臨實(shí)用化還是存在一些問題,例

2、如:環(huán)境噪聲對(duì)語(yǔ)音識(shí)別系統(tǒng)性能的影響一直以來(lái)很難克服,噪聲使系統(tǒng)性能急劇下降。同時(shí)系統(tǒng)對(duì)環(huán)境依賴性強(qiáng),在某種環(huán)境下建立的語(yǔ)音識(shí)別系統(tǒng)只能在這種環(huán)境下應(yīng)用,而且全世界共有上千種語(yǔ)言,每種語(yǔ)言又有許多種方言,隨著環(huán)境的改變系統(tǒng)性能也必然會(huì)下降。本文著眼于漢語(yǔ)語(yǔ)音識(shí)別系統(tǒng)實(shí)用中所面臨的主要問題,以提高識(shí)別率和提高識(shí)別系統(tǒng)的抗噪魯棒性能力為目的,研究漢語(yǔ)語(yǔ)音識(shí)別實(shí)用化理論和關(guān)鍵技術(shù)。論文主要研究工作如下:
　　本文首先對(duì)語(yǔ)音識(shí)別的基礎(chǔ)知識(shí)

3、做了詳細(xì)的闡述,然后針對(duì)傳統(tǒng)齊次隱馬爾可夫模型的缺陷,在對(duì)齊次隱馬爾可夫模型進(jìn)行系統(tǒng)深入研究的基礎(chǔ)上,本文提出一種基于非線性分段技術(shù)的非齊次隱馬爾可夫模型,系統(tǒng)分析了該模型的建立方法,并結(jié)合自適應(yīng)函數(shù)鏈神經(jīng)網(wǎng)絡(luò)將之應(yīng)用與漢語(yǔ)語(yǔ)音識(shí)別。實(shí)驗(yàn)結(jié)果表明用此混合模型識(shí)別語(yǔ)音其識(shí)別效果要明顯優(yōu)于使用齊次隱馬爾可夫模型,并且有很好的魯棒性。最后針對(duì)噪聲環(huán)境下的語(yǔ)音識(shí)別,本文提出了一種將連續(xù)概率密度隱馬爾可夫模型(Continuous Density

4、 Hidden Markov Model,CDHMM)與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合而成的新型的語(yǔ)音識(shí)別模型。并分析和討論了基于Fletcher-Allen規(guī)則的子帶和在獨(dú)立子帶框架下的語(yǔ)音識(shí)別算法,提出了小波分析的獨(dú)立子帶連續(xù)概率密度隱馬爾可夫模型,小波分析應(yīng)用了正交小波變換算法,因此可以達(dá)到有效抑制噪聲的目的,同時(shí),大大降低了運(yùn)算量,節(jié)省了訓(xùn)練時(shí)間。實(shí)驗(yàn)結(jié)果顯示,在信噪比較低的情況下,小波分析的獨(dú)立子帶CDHMM與模糊神經(jīng)網(wǎng)絡(luò)模型同在語(yǔ)音中直