一種基于HMM和WNN混合模型的語音識別方法.pdf

1、語音識別技術(shù)已經(jīng)被廣泛應(yīng)用于人們生產(chǎn)、生活的各個領(lǐng)域，長期以來一直是人們研究的熱點。但是現(xiàn)有的語音識別系統(tǒng)仍然存在耗時、成本高、使用起來不方便等缺點。這些缺點都影響著語音識別的速度、硬件實現(xiàn)和推廣應(yīng)用。 基于能量的端點檢測受環(huán)境噪聲影響大。針對這一問題，本文對端點檢測算法進行了一些改進性研究，即：利用語音聲學(xué)信號的頻譜分析來尋找連續(xù)語音信號幀的分割點，再結(jié)合音素分割方法，提高分割精度。實驗表明改進的端點檢測算法比傳統(tǒng)的以信號的短

2、時能量、過零率等簡單特征作為判決特征參數(shù)的語音端點檢測方法更適合語音的分割。這種算法對于清音和噪聲，以及元音和輔音的區(qū)分都有很好的識別性能。 在分析隱馬爾可夫模型(HMM)和小波神經(jīng)網(wǎng)絡(luò)(WNN)各自優(yōu)、缺點的基礎(chǔ)上，提出了基于CDHMM和WNN混合模型(HMMWNN)的漢語數(shù)字串語音識別方法。該方法首先利用HMM對語音信號進行時序建模，再使用Viterbi算法得到識別概率值，然后通過小波神經(jīng)網(wǎng)絡(luò)將HMM的識別概率值進行非線性映