粒子群優(yōu)化矢量量化算法在DHMM語(yǔ)音識(shí)別中的應(yīng)用.pdf

1、語(yǔ)音識(shí)別技術(shù)是一個(gè)快速發(fā)展的高科技產(chǎn)業(yè)，已經(jīng)被應(yīng)用到了很多領(lǐng)域，它將成為未來(lái)計(jì)算機(jī)的重要特征，對(duì)它的研究有重要的意義。
　　 隱馬爾可夫模型(Hidden Markov Model，HMM)是語(yǔ)音信號(hào)處理的一種統(tǒng)計(jì)模型，在很多領(lǐng)域都得到了廣泛的應(yīng)用。在孤立詞語(yǔ)音識(shí)別系統(tǒng)中，需要對(duì)語(yǔ)音特征進(jìn)行矢量量化(Vector Quantization，vQ)，vQ是一種數(shù)據(jù)壓縮技術(shù)，它能夠?qū)π畔⑦M(jìn)行壓縮而又不失真。粒子群優(yōu)化算法( Part

2、icleSwarm Optimization，PSO)是一種操作簡(jiǎn)單、易于實(shí)現(xiàn)的全局優(yōu)化算法。
　　 人工免疫算法是一種通過(guò)模仿自然界中生物群體的免疫系統(tǒng)，從而實(shí)現(xiàn)免疫記憶和自我調(diào)節(jié)功能的群智能算法，它已經(jīng)成為人工智能算法的又一個(gè)研究熱點(diǎn)。本文對(duì)粒子群優(yōu)化矢量量化算法用于DHMM語(yǔ)音識(shí)別進(jìn)行了深入的研究，做的工作有以下三點(diǎn)：
　　 I、針對(duì)矢量量化中的LBG算法依賴(lài)于初始碼書(shū)的選取，容易陷入局部最優(yōu)值，自適應(yīng)能力不強(qiáng)的缺

3、點(diǎn)，引入了粒子群優(yōu)化算法，本文用粒子群優(yōu)化了碼書(shū)設(shè)計(jì)算法，并將其用于DHMM孤立詞語(yǔ)音識(shí)別系統(tǒng)中。通過(guò)實(shí)驗(yàn)證明了該算法的優(yōu)越性，在識(shí)別率上優(yōu)于LBG碼書(shū)設(shè)計(jì)算法的DHMM語(yǔ)音識(shí)別系統(tǒng)。
　　 2、針對(duì)粒子群優(yōu)化算法在訓(xùn)練后期，最優(yōu)粒子長(zhǎng)時(shí)間得不到更新，容易早熟的問(wèn)題，引入了人工免疫算法。本文將免疫系統(tǒng)的免疫記憶、免疫調(diào)節(jié)及接種疫苗等處理機(jī)制用到粒子群優(yōu)化算法中，設(shè)計(jì)了免疫粒子群算法，并用四個(gè)典型的測(cè)試函數(shù)對(duì)其進(jìn)行測(cè)試，證明了免疫