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

1、語音識別技術(shù)經(jīng)過30多年的發(fā)展，目前的研究已經(jīng)進入非特定人、大詞匯量、連續(xù)語音識別的高級階段。在這個過程中，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)秀的語音識別系統(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@些問題，本文提出了一種新結(jié)構(gòu)的識別模型——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HMM狀態(tài)對應(yīng)于一個MLP網(wǎng)，用相繼的若干幀特征矢量作為MLP網(wǎng)的輸入，利用改進的BP算法，對系統(tǒng)的輸出進行預(yù)測，從而實現(xiàn)對每個狀態(tài)的輸出概率密度函數(shù)的估計，這樣識別系統(tǒng)的狀態(tài)輸出概率取決于MLP網(wǎng)對實際語音信號的逼近程度。該方法不僅能有效地在語音識別中引入幀間相關(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，很好地描述了語音信號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連續(xù)數(shù)碼串語音識別系統(tǒng)，通過對比分析這兩個系統(tǒng)的實驗結(jié)果發(fā)現(xiàn)后者的識別效果明顯優(yōu)于前者，充分證實了該方法的有效性?！　”菊撐氖紫冉榻B了語音識別的發(fā)展、現(xiàn)狀、方向和應(yīng)用前景，接著重點介紹了目前應(yīng)用最廣泛的MFCC特征參數(shù)的提取過程。其次，從評估問題、訓(xùn)練問題、解碼問題三個方面對HMM進行了詳細(xì)的介紹。再次，對神經(jīng)網(wǎng)絡(luò)及其在語音識別中的應(yīng)用做了介紹，并對本文中選用的MLP網(wǎng)進行了詳細(xì)的探討。最后