粒子群神經(jīng)網(wǎng)絡(luò)在語音識別中的研究與應(yīng)有.pdf

1、語音識別和人工神經(jīng)網(wǎng)絡(luò)模型長期以來都是學(xué)術(shù)界研究的重點，前者是方便計算機和人類交互的一種手段；后者使用數(shù)學(xué)方法對于人腦工作機制進行抽象和建模。本文將二者結(jié)合，使用人工神經(jīng)網(wǎng)絡(luò)作為語音識別系統(tǒng)的識別模塊，在VC.NET環(huán)境下設(shè)計并實現(xiàn)了一個由C++語言開發(fā)的漢語非特定人孤立詞識別系統(tǒng)。
　　 語音識別系統(tǒng)包括五個主要部分，預(yù)處理、語音增強、端點檢測、特征參數(shù)提取以及訓(xùn)練和識別。系統(tǒng)中前四部分主要涉及語音信號處理的內(nèi)容，本文所實現(xiàn)的

2、語音識別系統(tǒng)在語音增強和端點檢測模塊分別采用基于LPC全極點模型的語音增強算法及基于改進的能量譜熵的語音信號端點檢測算法完成。在特征參數(shù)提取模塊分別提取了LPCC參數(shù)和MFCC參數(shù)。識別系統(tǒng)的訓(xùn)練模塊采用了具有良好的容錯能力和分類能力、并行處理能力和自學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)模型。同時為了克服神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法存在的易陷入局部極小值和收斂速度慢等缺點，本文采用基本粒子群算法和三種改進的粒子群算法對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程進行優(yōu)化。
　　

3、在對語音識別相關(guān)問題和粒子群神經(jīng)網(wǎng)絡(luò)進行深入研究的基礎(chǔ)上，本文使用C++語言搭建了針對非特定人的孤立詞語音識別系統(tǒng)，并設(shè)計和采集語料庫進行必要的訓(xùn)練和實驗；對于BP神經(jīng)網(wǎng)絡(luò)和粒子群神經(jīng)網(wǎng)絡(luò)在識別系統(tǒng)中的性能進行相應(yīng)比較，得到實驗結(jié)論。實驗結(jié)論表明：粒子群神經(jīng)網(wǎng)絡(luò)作為識別模型能有效地優(yōu)化神經(jīng)網(wǎng)絡(luò)，加快收斂速度，避免出現(xiàn)“早熟”現(xiàn)象，大大提高了神經(jīng)網(wǎng)絡(luò)訓(xùn)練精度和系統(tǒng)識別率。
　　 最后本文對遇到的一些問題進行了總結(jié)和分析，對需要改進