經驗模態(tài)分解及深度信念網絡在語音識別中的應用研究.pdf

1、隨著智能化應用和互聯網技術的快速發(fā)展，語音識別作為一種便捷有效的人機交互方式，其重要性顯得愈發(fā)突出。但由于語音發(fā)聲環(huán)境的復雜多變和人類語言的巨大口音差異，語音識別的準確率面臨較大的困難，難以使相應的語音產品達到用戶預期的體驗效果。若要使語音識別技術取得突破，必須在語音識別的基礎理論上進行不斷的完善和創(chuàng)新。
　　由于語音信號是典型的非線性和非平穩(wěn)信號，而傳統(tǒng)的語音處理方法如傅立葉變換，小波變換等都是假設信號為短時平穩(wěn)，故得到的諸多結

2、論也勢必破壞有用信息的分析和提取。本文以此為背景，在闡述了語音識別基礎知識的前提下，著重研究了不同信噪比環(huán)境下的語音端點檢測算法和基于深度信念網絡的孤立詞語音識別系統(tǒng)。
　　本文的主要研究內容和創(chuàng)新成果如下：
　　(1)在深入探討了傳統(tǒng)語音處理方法的局限性基礎上，本文著重研究了經驗模態(tài)分解這一新型信號處理方法，并對其適用于非線性非平穩(wěn)信號的特點進行了算法驗證。
　　(2)針對傳統(tǒng)語音端點檢測算法存在對含噪語音信號檢測準

3、確率不高的問題，本文提出了一種基于經驗模態(tài)分解和復合能量的語音端點檢測新算法。該算法首先利用經驗模態(tài)分解將語音信號分解成一組固有模態(tài)函數和一個剩余量，并濾除含有較多噪聲的低階固有模態(tài)函數，將剩余的固有模態(tài)函數重構成語音信號。然后利用Teager能量對噪聲幅度的壓縮作用，計算每幀重構語音信號的Teager能量，與短時能量加權，得到每幀信號的復合能量。最后將每幀信號的復合能量與自適應閾值進行比較，得到信號的起止點。通過仿真實驗驗證了算法的有

4、效性，與傳統(tǒng)的基于短時能量和短時過零率的雙門限法相比，該算法體現了在低信噪比環(huán)境下的優(yōu)越性。
　　(3)針對傳統(tǒng)神經網絡在語音識別中存在訓練速度慢，易陷入局部極小值的缺點，本文設計一種基于深度信念網絡的孤立詞語音識別系統(tǒng)。該系統(tǒng)首先對限制玻爾茲曼機模型(RBM)進行單獨訓練，并將第一個訓練好的RBM模型的輸出作為第二個RBM模型的輸入，繼而單獨訓練，直至訓練完最高層的RBM。然后將所有訓練好的RBM堆疊成深度信念網絡，并利用反向傳