基于HMM和ANN的漢語數(shù)字語音識別算法研究.pdf

1、本文對現(xiàn)有的語音識別技術(shù)發(fā)展現(xiàn)狀進(jìn)行了分析，介紹了語音識別的基本理論，包括數(shù)字語音信號生成的數(shù)學(xué)模型、預(yù)處理、端點(diǎn)檢測和特征參數(shù)提取。在此基礎(chǔ)上，討論了數(shù)字語音識別系統(tǒng)實(shí)現(xiàn)的主要技術(shù)，重點(diǎn)對HMM模型和自組織神經(jīng)網(wǎng)絡(luò)(SOFM)原理及其在語音識別中的應(yīng)用進(jìn)行了研究，并且分析比較了它們的識別特性與應(yīng)用特點(diǎn)，提出了基于CDHMM和SOFM的混合模型原理及算法，該模型由CDHMM產(chǎn)生語音信號的最佳狀態(tài)序列后，對同一狀態(tài)應(yīng)用時(shí)間規(guī)整網(wǎng)絡(luò)生成等維

2、的語音特征矢量，并加入到SOFM分類器進(jìn)行語音識別，HMM-ANN模型既具有HMM對動(dòng)態(tài)時(shí)間序列極強(qiáng)的建模能力，又具有ANN極強(qiáng)的靜態(tài)分類能力。 在MATLAB6.5和VC++6.0環(huán)境下對HMM模型和HMM-ANN模型的算法進(jìn)行了孤立數(shù)字和連續(xù)數(shù)字語音識別系統(tǒng)的實(shí)驗(yàn)仿真。結(jié)果表明，與HMM模型方法相比，HMM-ANN模型提高了語音識別系統(tǒng)的準(zhǔn)確率，充分體現(xiàn)出改進(jìn)模型的可行性和有效性，最后指出了本文研究未來改進(jìn)的方向。