多重ANN-HMM混合模型在語音識別中的應(yīng)用.pdf

1、語音是人類最自然、最熟悉的交互方式，現(xiàn)今語音識別、語音合成等的研究方興未艾。孤立詞識別領(lǐng)域已經(jīng)取得了非常可喜的成績，但是，在某些情況下，樣本間的差異過大使得訓練出的模型很難有好的建模精度，要想獲得可以接受的識別率就要對模型做進一步的改進。本文在原有人工神經(jīng)網(wǎng)絡(luò)與隱馬爾可夫模型(ANN/HMM)相結(jié)合的模型基礎(chǔ)上研究一種多重混合識別模式作為語音的識別方法，以期可以使用多重模型對差異樣本互補的進行建模，取得較好的識別率。
　　人工神經(jīng)

2、網(wǎng)絡(luò)(ANN)具有抗噪聲、抗變異、自適應(yīng)、學習能力強、識別速度快等特點，因此將其作為狀態(tài)級的模型，也就是待識別對象基本單元的模型；隱馬爾可夫模型(HMM)具有較強的處理時間序列的能力，故作為時序模式的整體模型。在本方法中，ANN與HMM是幀層面的結(jié)合，用ANN輸出誤差來估計HMM某一狀態(tài)的輸出概率。首先，提出了一種自動增減狀態(tài)來確定模型狀態(tài)數(shù)的方法。這種方法可以根據(jù)訓練樣本的具體情況自動在適當?shù)奈恢迷黾踊蛘邷p少狀態(tài)，對建模精度不夠的狀態(tài)

3、進行拆分，對包含數(shù)據(jù)幀數(shù)比較少的狀態(tài)進行刪除，最終達到一個合適的數(shù)量。
　　在上述模型的基礎(chǔ)上，我們提出了一種多重ANN/HMM混合模型，通過競爭學習機制劃分樣本，通過自適應(yīng)特征重組方法來降低系統(tǒng)的存儲與計算開銷。自適應(yīng)特征重組方法還可以利用ANN的自適應(yīng)學習能力來保證系統(tǒng)的性能。
　　以語音識別為實驗對象，我們將上述方法與傳統(tǒng)方法做了比較。結(jié)果表明，這種方法的模型精度和識別率的提高，并不是建立在大量消耗系統(tǒng)資源的基礎(chǔ)上的。