基于人工神經(jīng)網(wǎng)絡(luò)的語音LIFE-LOG分類識別.pdf

1、社會需求是推動理論和技術(shù)發(fā)展的原動力。信息科技高速發(fā)展的今天,語音與我們的日常生活息息相關(guān),每人每日的各種活動,都會存在各式各樣的聲音。而可移動便攜設(shè)備---作為信息時代的產(chǎn)物,越來越受到廣泛的關(guān)注,漸漸成為人們不可或缺的生活物品。利用我們隨身攜帶的智能通訊設(shè)備能夠記錄下來的一天、一周甚至一個月的語音數(shù)據(jù),組成的便是一個個人的語音日志(Life-Log)數(shù)據(jù)庫,這些數(shù)據(jù)不僅可以作為對過去事情的美好回憶,還可以為今后的生活做必要提示作用。

2、理論和技術(shù)的積累為應(yīng)用的實(shí)現(xiàn)提供了可能。但是想要從Life-Log龐大的語音數(shù)據(jù)中,快速鎖定所需要的片段,查找有用信息,對于研究者來說,很有研究價值。
　　本文主要討論了語音Life-Log的實(shí)用性,并針對Life-Log語音數(shù)據(jù)的分類識別做了相關(guān)分析和研究。介紹了語音信號的特點(diǎn)、語音信號的分析與特征提取、語音識別的模型。在語音特征值提取階段,重點(diǎn)介紹美爾頻率倒譜系數(shù)(MFCC)與短時能量(Short-Term Energy)等特

3、征值,并根據(jù)Life-Log語音不同于一般標(biāo)準(zhǔn)語音數(shù)據(jù)庫的特性,推薦將 MFCC與短時能量二者結(jié)合成為混合參數(shù)進(jìn)行提取,以更好的使自然界各種聲音精準(zhǔn)分類。同時介紹了幾種經(jīng)典的語音識別建模方法,根據(jù)Life-Log特點(diǎn),調(diào)整、完善多層人工神經(jīng)網(wǎng)絡(luò)(ANN)的構(gòu)建,對語音進(jìn)行分類識別。ANN模型之所以比較成功地解決了Life-Log語音識別中的問題,主要在于人類發(fā)音的復(fù)雜性和特殊性,很難利用線性模型很好地進(jìn)行分類,而ANN恰恰利用了非線性的

4、理論,這使得Life-Log分類識別成為可能。要做好語音Life-Log的分類識別,關(guān)鍵還在于理論必須與實(shí)際應(yīng)用相連。
　　實(shí)驗(yàn)結(jié)果顯示,根據(jù)Life-Log語音的特殊性,需要具體問題具體分析,并根據(jù)需要設(shè)計ANN模型。為了提高系統(tǒng)性能,需要對Life-Log語音特征提取、現(xiàn)有的分類識別模型進(jìn)行改進(jìn),本文設(shè)計優(yōu)化的ANN模型可以很好地支持Life-Log語音分類,利用MFCC與短時能量混合參數(shù)作為特征值,可以降低傳統(tǒng)上只采用MFC