基于HMM和ANN的數(shù)字語音識別研究.pdf

1、語音識別是一門內(nèi)涵豐富、應用廣泛的技術。由于語音信號的多樣性和復雜性，目前的語音識別效率也不是很高。因而發(fā)展高效率識別語音模型成為語音識別研究中的一個重要課題。 本文首先對語音信號的預處理及反映語音信號特征的三種特征參數(shù)( LPC、LPCC、MFCC)進行系統(tǒng)的分析。接著對用于語音識別的兩種技術(HMM、ANN)進行研究。重點對基于段長分布隱馬爾可夫模型(DDBHMM)及其訓練和識別算法進行研究，進行了基于HMM的非特定人漢語數(shù)

2、碼孤立詞語音識別實驗，實驗證明DDBHMM考慮段長分布提高了語音識別率。 最后，本文針對經(jīng)典HMM的缺陷提出將DDBHMM與自組織特征映射神經(jīng)網(wǎng)絡相結(jié)合而構(gòu)成新的語音識別模型，給出了基于HMM和ANN混合模型的漢語數(shù)字語音識別及仿真實驗，證明在低信噪比條件下混合模型比傳統(tǒng)的單一 HMM模型能明顯提高識別率，且魯棒性顯著提高，并證明本文提出的DDBHMM/SOFMNN模型在低信噪比條件下的識別率優(yōu)于CDHMM/SOFMNN混合模型