基于深度學(xué)習(xí)的孤立詞語音識別系統(tǒng)設(shè)計.pdf

1、在人與人之間的自然對話中，語音對話是被使用最頻繁的一種交流方式，因為它是最直接、最方便的一種表達(dá)方式。那么在人工智能領(lǐng)域中，語音識別也就成為了人機交互技術(shù)里最重要的部分之一，并隨著現(xiàn)代科技的發(fā)展，各類語音識別軟件逐步融入人們的生活，例如智能手機的語音撥號、發(fā)短信、查詢等，以及汽車上的一些語音控制設(shè)備。在如今的互聯(lián)網(wǎng)時代里，獲得大量的語音數(shù)據(jù)已不成問題，那么如何高效的利用這些未經(jīng)標(biāo)注的而且大量的語音數(shù)據(jù)，就成為了當(dāng)前語音識別領(lǐng)域的一個研究

2、熱點。與此同時，深度學(xué)習(xí)模型對數(shù)據(jù)有著強大的建模能力，并能直接對未標(biāo)注的原始數(shù)據(jù)進(jìn)行預(yù)處理，這就使其與語音識別的聯(lián)系越來越緊密。
　　在此背景下，本文以語音識別理論為基礎(chǔ)，針對如何將深度學(xué)習(xí)理論應(yīng)用于語音識別中這一問題展開研究，最后在此研究上設(shè)計了一個孤立詞語音識別系統(tǒng)，主要有以下內(nèi)容。（1）根據(jù)語音識別基本原理，在Matlab環(huán)境下，編程搭建一個非特定人的孤立詞語音識別系統(tǒng)框架，這個系統(tǒng)框架中主要包括語音信號預(yù)處理、特征提取、基

3、于HMM聲學(xué)模型的訓(xùn)練和解碼搜索這四個部分。實驗中用訓(xùn)練庫中語音數(shù)據(jù)，以提取傳統(tǒng)的聲學(xué)特征（MFCC）為基本特征，訓(xùn)練出基于 HMM聲學(xué)模型的模板庫，再結(jié)合測試庫中的語音數(shù)據(jù)進(jìn)行解碼搜索，檢測此識別系統(tǒng)的識別率，并以此得到了一個合適的聲學(xué)模型參數(shù)，以便下來的試驗。（2）以深度學(xué)習(xí)為基礎(chǔ)理論，提出了一種升維式的堆棧式深度自動編碼器模型，利用此模型提取新的深層語音特征。并分別從網(wǎng)絡(luò)的隱含層層數(shù)、各層節(jié)點數(shù)、各層節(jié)點的激活函數(shù)、有監(jiān)督和無監(jiān)督

4、訓(xùn)練方式等多個方面構(gòu)建深度自動編碼器模型及其在語音特征提取中的具體應(yīng)用。實驗證明，新的深層特征比原始MFCC特征，使識別系統(tǒng)在詞識別正確率和時間方面都有所提高，這就證明了深度學(xué)習(xí)模型在特征提取上對提高語音識別正確率的有效性。（3）本文基于以上研究成果，在 Labview平臺上對上述所研究的基于深度學(xué)習(xí)的孤立詞語音識別系統(tǒng)進(jìn)行了系統(tǒng)設(shè)計，其功能包括錄音、播放、訓(xùn)練和識別。其中為了語音系統(tǒng)的識別正確率能達(dá)到95％以上，對模板庫進(jìn)行改進(jìn)，設(shè)計