本文關(guān)鍵詞：基于HMM與遺傳神經(jīng)網(wǎng)絡(luò)的改進(jìn)語(yǔ)音識(shí)別系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：為了解決語(yǔ)音信號(hào)中幀與幀之間的重疊,提高語(yǔ)音信號(hào)的自適應(yīng)能力,本文提出基于隱馬爾可夫(HMM)與遺傳算法神經(jīng)網(wǎng)絡(luò)改進(jìn)的語(yǔ)音識(shí)別系統(tǒng).該改進(jìn)方法主要利用小波神經(jīng)網(wǎng)絡(luò)對(duì)Mel頻率倒譜系數(shù)(MFCC)進(jìn)行訓(xùn)練,然后利用HMM對(duì)語(yǔ)音信號(hào)進(jìn)行時(shí)序建模,計(jì)算出語(yǔ)音對(duì)HMM的輸出概率的評(píng)分,結(jié)果作為遺傳神經(jīng)網(wǎng)絡(luò)的輸入,即得語(yǔ)音的分類(lèi)識(shí)別信息.實(shí)驗(yàn)結(jié)果表明,改進(jìn)的語(yǔ)音識(shí)別系統(tǒng)比單純的HMM有更好的噪聲魯棒性,提高了語(yǔ)音識(shí)別系統(tǒng)的性能.
【作者單位】： 西安工程大學(xué)電子信息學(xué)院;
【關(guān)鍵詞】： 隱馬爾可夫模型 神經(jīng)網(wǎng)絡(luò) 語(yǔ)音識(shí)別 遺傳算法
【分類(lèi)號(hào)】：TN912.34;TP18
【正文快照】： 隨著語(yǔ)音識(shí)別技術(shù)的發(fā)展,人們對(duì)語(yǔ)音識(shí)別的技術(shù)要求越來(lái)越高,隱形馬可夫模型(Hidden MarkovModel,簡(jiǎn)稱(chēng)HMM),在語(yǔ)音識(shí)別中已經(jīng)廣泛得到應(yīng)用.但是,其自適應(yīng)能力差,抗噪性也不是十分理想,僅靠單一的HMM進(jìn)行語(yǔ)音識(shí)別存在諸多困難[1,2].而現(xiàn)在廣泛應(yīng)用的人工神經(jīng)網(wǎng)絡(luò)(Artifical Neu

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 汪洪波;;語(yǔ)音識(shí)別系統(tǒng)在配送中心的應(yīng)用[J];信息與電腦;2006年06期

2 楊q，

本文編號(hào)：455677