一種基于HMM和RBF網(wǎng)絡(luò)混合的語音識別算法研究.pdf

1、語音識別技術(shù)是一門涉及聲學(xué)、語音學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)、信號處理、人工智能等諸多學(xué)科的綜合性技術(shù)，目前已經(jīng)被應(yīng)用在工業(yè)、軍事以及醫(yī)療等部門的指揮、產(chǎn)品檢驗(yàn)以及數(shù)據(jù)錄入等人機(jī)有聲通信領(lǐng)域。長期以來一直是人們研究的熱點(diǎn)，但是現(xiàn)有準(zhǔn)確率較高的語音識別系統(tǒng)仍存在著耗時(shí)、成本高、使用起來不方便等缺點(diǎn)。這些缺點(diǎn)都影響著語音識別的速度、硬件實(shí)現(xiàn)和推廣應(yīng)用。 本文首先在隱馬爾可夫(HMM)模型和徑向基神經(jīng)網(wǎng)絡(luò)(RBF)具體內(nèi)容的基礎(chǔ)上，分析了它

2、們各自的優(yōu)點(diǎn)和不足之處，提出了基于CDHMM和RBF的漢語數(shù)字混合語音識別模型和基于RBF的狀態(tài)估計(jì)快速訓(xùn)練算法。該模型在訓(xùn)練階段用多個(gè)簡單RBF組成的神經(jīng)網(wǎng)絡(luò)組計(jì)算HMM狀態(tài)的觀測概率，識別階段用每個(gè)HMM的平均值矢量序列與待識語音進(jìn)行線性粗匹配，選擇距離最小的HMM對待識語音規(guī)整，然后用神經(jīng)網(wǎng)絡(luò)通過不同的測度，對HMM模型輸出的不易區(qū)分識別結(jié)果進(jìn)行精識別。 為了檢驗(yàn)算法的有效性，在MATLAB6.5環(huán)境下對HMMNN混合模型