基于人工神经网络的语音识别技术的研究.pdf

《基于人工神经网络的语音识别技术的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、，0前言，V确◆7i。一，汐一网络的语音识别技术的研究晨，一矿沈阳工学院信惫与控制学院k宁抚顺113122戮提出了一种基于人工坤经网络的语音识别方法，首先对语音信号进行处理和峙征提取，然后采用神经网络对提取的语音信号的特征进行识别，最后对这种智能语麓t‘音识男5技术进行了误差分析，实现j7医音识别技术的数字化、智能化和较高的精确度。人工神经网络；智能语音识别；误差分析语音识别技术是2000年至2010年间信息技术领域十大重要技术之一。它是一门交叉学科，涉及到语音学、语言学、生理学及认知科学、数字信

2、号处理、模式识别和人工智能等许多学科领域。是在多门学科基础上发展起来的综合性技术。尤其是该学科领域近年来取得了一些新成果、新进展及新技术，例如，语音信号中的情感信息处理、语种辨识技术、现实环境下语音信号处理技术等，可以说是信息科学技术领域中发展最为迅速的、最前沿的课题。目前具有代表性的语音识别方法主要有动态时间规整技术(DynamicTimeWarping，DTW)、隐马尔可夫模型(HMM)、矢量量化(VectorOuantization，vo)，人工神经网络(ANN)、支持向量机(SVM)等方法

3、。在实际应用过程中，人们还研究了多种降低复杂度的方法，包括无记忆的矢量量化、有记忆的矢量量化和模糊矢量量化方法。其中动态时间规整算法、隐马尔可夫模型、矢量量化是语音识别技术中出现较早、技术比较成熟、较常用的算法。人工神经网络是20世纪80年代末期提出的一种新的语音识别方法。其本质上是一个自适应非线性动力学系统，模拟了人类神经活动的原理，具有自适应性、并行性、鲁棒性、容错性和学习特性，其强大的分类能力和输入一输出映射能力在语音识别中都很有吸引力。图1．1语音识别技术的总体流程质量管理17簿掌，Z18

4、质量管理语音识别技术的总体流程如图1一肇示：在上图中，MEL频率倒谱的实现过程如图1．2所示。频谱X(k)89变换公式1：藏x(々)=∑=』(Hp一了0≤n，k≤N-11·1在频标内三角M个带通滤波器加于坐标俯za到滤波器组，转化关系为：，-厶扩25951。g(1+盎)1．2由线性频谱爿(k)得到对数频谱s(所)的总的传递函数为：“m)=∑^N；-o

5、阻(七)I‘H。(膏)o≤m

6、神经网络(RecurrentNeuralNetworks，基NN)是一种既有前馈连接，又有反馈连接的特殊神经网络。反馈连接的存在，使得神经网络能够存贮前一时刻的信息，叉具有动态神经网络特性，适合于具有动态时变特性的语音信号的识别。本文准备将回归神经网络应用于语音识别系统，用纯神经网络代替NN／HMM混合系统，建立以回归神经网络为基础的语音识别模型，完成对语音信号的训练和识别。Elman提出的部分神经元反馈链接的回归式神经网络结构如图2．1所示。基于回归神经网络的语音识别系统流程见图2_2参考文献[

7、1]朱小燕，王晷，徐伟著。基于循环神经网络的语音识别模型。计算机学报，第24卷，第2期，2001年2月。『21王伟著。人工神经网络原理～入门与应用。北京航空航天大学出版社。f3]杨行岭，迟惠生著语音信号数字处理。电子工业出版社。作者简介：王艳秋：王艳秋(1955一)，女，辽宁凌海人，教授，博士，研究方向：电力电子与电力传动；智能控制理论及应用。短时时域用MEL滤对№l频琐加重信号转变竣薯滤竣．适取对数分帧_．为颠域信I号诧量遥M个臻蒂功率L个r咿cc塑对麓量渚麓量，由线加宙号、再誓在每个频性频适得

8、教化取得带的分量到对数疑线性频谱求和话图12MEL频率倒谱的实现过程际惜趸立同归-1I和识别絮ll结果神经同络识劓檀捌图2．2基于回归神经网络的语音识别系统流程图