基于HMM模型改進(jìn)算法的語音識別系統(tǒng).pdf

1、使用生物特征來進(jìn)行身份辨識的技術(shù)是現(xiàn)在學(xué)術(shù)界的研究熱點(diǎn),而人工智能技術(shù)的重要分支之一則是語音識別。語音識別利用了人類語音中的特征參數(shù)以及語言的相關(guān)性,從而達(dá)到了和語音模板庫匹配,實(shí)現(xiàn)了語音的辨識。相比于圖像及其他人工智能技術(shù),語音識別具有快速進(jìn)行識別、快速人機(jī)交互、可擴(kuò)展性好、硬件依賴度低、學(xué)習(xí)能力強(qiáng)、實(shí)現(xiàn)成本低等優(yōu)勢,因而各類的安防行業(yè)以及所有需要身份認(rèn)證的情形都可以應(yīng)用到語音識別。而隨著未來人工智能技術(shù)的發(fā)展,語音識別可作為優(yōu)秀的人

2、機(jī)交互接口這一特點(diǎn)也使得其具有無限發(fā)展的前景。本文為了提取人體生物特征,首先分析了語音的發(fā)聲及聽覺模型,然后在得到了語音特征參數(shù)后利用改進(jìn)后的隱馬爾可夫模型(HMM)訓(xùn)練算法來訓(xùn)練語音數(shù)據(jù)并建立語音模板,最后識別時(shí)再利用了HMM的識別算法來進(jìn)行模板匹配。
　　本文首先研究了語音的發(fā)聲機(jī)理及語音成分的分析,去除了無聲段后得到有效語音段。然后根據(jù)研究美爾倒譜模型(Mel),得到了符合人耳聽覺模型的能表示語音特征的一組參數(shù)。并且,本文還

3、通過對比常用于語音識別的 LPC模型參數(shù),體現(xiàn)了美爾倒譜模型在應(yīng)用于語音識別上的優(yōu)勢。
　　在為語音特征參數(shù)建立模板庫及識別的過程中應(yīng)用了隱馬爾科夫模型,本文分析了隱馬爾科夫模型的原理及缺陷,提出了改進(jìn)的隱馬爾科夫模型,即引用了遺傳算法的隨機(jī)性使得語音特征參數(shù)建立模板庫的過程更加具有魯棒性和準(zhǔn)確性。
　　本文以 HTK語音識別工具為基礎(chǔ),它提供了最基礎(chǔ)的隱馬爾科夫模型的實(shí)現(xiàn),然后并入了遺傳算法工具包 GALib,優(yōu)化了Bau