基于小波變換和支持向量機的語音識別技術(shù)研究.pdf

1、近幾年，隨著電子計算機技術(shù)的飛速發(fā)展，語音技術(shù)廣泛應(yīng)用在數(shù)字通信、智能控制等領(lǐng)域。語音識別作為語音技術(shù)的一個研究方向不僅具有可觀的市場價值，同時作為各門學(xué)科的綜合也極具理論研究價值。本文以家電語音信號為識別對象，利用小波變換及支持向量機對語音識別技術(shù)進(jìn)行了研究。主要研究內(nèi)容和研究結(jié)果如下： 對語音識別技術(shù)的國內(nèi)外發(fā)展史及研究現(xiàn)狀進(jìn)行了分析和總結(jié)，研究了語音識別系統(tǒng)的基本原理和技術(shù)?？紤]到實際的語音識別應(yīng)用環(huán)境不可能是完全安靜的語

2、音環(huán)境，為了提高語音識別系統(tǒng)的魯棒性能，在研究小波變換基本理論的基礎(chǔ)上，利用小波變換的多分辨率特性，將小波變換應(yīng)用到語音信號消噪中，仿真結(jié)果驗證了小波變換應(yīng)用于信號消噪的可行性和有效性，其效果優(yōu)于傳統(tǒng)的信號消噪方法。 在分析提取傳統(tǒng)的語音信號特征參數(shù)線性預(yù)測倒譜系數(shù)(LPCC)和美爾倒譜系數(shù)(MFCC)的基礎(chǔ)上，重點研究了基于小波變換的特征提取方法，提出了一種結(jié)合小波系數(shù)和MFCC參數(shù)的特征參數(shù)提取方法。 介紹了蟻群算法

3、的基本理論，利用蟻群算法具有不容易陷入局部最優(yōu)解以及高并行性的特點，將蟻群算法用于語音特征參數(shù)的聚類，通過仿真實驗證明了將蟻群算法用于參數(shù)聚類可以有效地減少語音特征參數(shù)的數(shù)據(jù)量，具有可行性。 分析了支持向量機的基本理論和支持向量機用于分類的優(yōu)點，分析了將支持向量機用于解決多分類問題的兩種算法，重點研究了支持向量機的分類學(xué)習(xí)算法以及改進(jìn)算法。利用MATLAB的OSU_SVM3.00工具箱開發(fā)了一個基于支持向量機的分類實驗平臺，通過

4、在該平臺上實驗證明了將支持向量機用于分類的可行性和有效性。 在建立家電語音庫的基礎(chǔ)上，提取了語音信號的MFCC特征參數(shù)和DWTMFCC特征參數(shù)，分別以MFCC參數(shù)、DWTMFCC參數(shù)和經(jīng)過蟻群算法聚類后的DWTMFCC參數(shù)為特征參數(shù)，建立了基于支持向量機的語音識別系統(tǒng)，并進(jìn)行了分類識別實驗。實驗仿真結(jié)果證明，采用以蟻群算法聚類后的DWTMFCC參數(shù)為語音特征參數(shù)的語音識別系統(tǒng)具有較好的識別效果，平均識別率達(dá)98％。 本研