漢語(yǔ)非特定人連續(xù)數(shù)碼串語(yǔ)音識(shí)別系統(tǒng)的研究.pdf

1、語(yǔ)音識(shí)別技術(shù)經(jīng)過(guò)30多年的發(fā)展，目前的研究已經(jīng)進(jìn)入非特定人、大詞匯量、連續(xù)語(yǔ)音識(shí)別的高級(jí)階段。在這個(gè)過(guò)程中，隱馬爾可夫模型(HMM)扮演了重要的角色，當(dāng)前幾乎所有優(yōu)秀的語(yǔ)音識(shí)別系統(tǒng)都是基于HMM的。但是，傳統(tǒng)的連續(xù)密度隱馬爾可夫模型(CDHMM)有狀態(tài)輸出獨(dú)立的假設(shè)，并假定其狀態(tài)輸出概率密度函數(shù)為混合高斯分布函數(shù)線性加權(quán)和?！　♂槍?duì)這些問(wèn)題，本文提出了一種新結(jié)構(gòu)的識(shí)別模型——CDHMM/MLP混合網(wǎng)絡(luò)模型，即將傳統(tǒng)的HMM和多層感知器

2、(MLP)網(wǎng)相結(jié)合，以HMM為基本框架，每個(gè)HMM狀態(tài)對(duì)應(yīng)于一個(gè)MLP網(wǎng)，用相繼的若干幀特征矢量作為MLP網(wǎng)的輸入，利用改進(jìn)的BP算法，對(duì)系統(tǒng)的輸出進(jìn)行預(yù)測(cè)，從而實(shí)現(xiàn)對(duì)每個(gè)狀態(tài)的輸出概率密度函數(shù)的估計(jì)，這樣識(shí)別系統(tǒng)的狀態(tài)輸出概率取決于MLP網(wǎng)對(duì)實(shí)際語(yǔ)音信號(hào)的逼近程度。該方法不僅能有效地在語(yǔ)音識(shí)別中引入幀間相關(guān)性，而且能克服狀態(tài)輸出概率密度函數(shù)為混合高斯分布的束縛，很好地描述了語(yǔ)音信號(hào)中存在的非線性特性。本論文為基于基本的HMM和基于混合

3、網(wǎng)絡(luò)模型這兩種不同算法分別建立了非特定人漢語(yǔ)連續(xù)數(shù)碼串語(yǔ)音識(shí)別系統(tǒng)，通過(guò)對(duì)比分析這兩個(gè)系統(tǒng)的實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)后者的識(shí)別效果明顯優(yōu)于前者，充分證實(shí)了該方法的有效性。　　本論文首先介紹了語(yǔ)音識(shí)別的發(fā)展、現(xiàn)狀、方向和應(yīng)用前景，接著重點(diǎn)介紹了目前應(yīng)用最廣泛的MFCC特征參數(shù)的提取過(guò)程。其次，從評(píng)估問(wèn)題、訓(xùn)練問(wèn)題、解碼問(wèn)題三個(gè)方面對(duì)HMM進(jìn)行了詳細(xì)的介紹。再次，對(duì)神經(jīng)網(wǎng)絡(luò)及其在語(yǔ)音識(shí)別中的應(yīng)用做了介紹，并對(duì)本文中選用的MLP網(wǎng)進(jìn)行了詳細(xì)的探討。最后