人工神经网络技术在语音识别中的应用.pdfVIP

维普资讯 2008年(第37卷)第4期 信 息 技 术 人工神经网络技术在语 音识别 中的应用 张震南 (甘肃政法学院 公安分院，甘肃 兰州 730070) 摘要：本文对基于人工神经网络的语音识别技术进行了详细 功能。Kohonen自组织特征映射神经网就是模仿人脑的这种功能 分析、讨论 ，阐述了人工神经网络对语音识别技术的推动作用。 构造的神经网络，它能将多维空间的输入矢量集映射到一个称为 关键词：语音识别 人工神经网络 混合网络 特征图的二维矩阵，而能保持与原训练矢量集近似相同的拓扑结 构。Kohonen将特征降维应用于SOFMo1，对芬兰语的21个音素实 0 引言 现了声控打字机。(3)预测神经网络。预测神经网络把感知器作为 语音识别是计算机通过识别过程把人类语音转变为相应文 模式预测器而不是模式分类器来用，是9O年代新兴的一种神经 本的技术，属于多维模式识别和智能计算机接 口的范畴。目前，具 网络语音识别方法 ，具有很强的建模能力 ，可用于大词汇量 、连续 有代表性的语音识别方法主要有特征参数匹配法、隐马尔柯夫模 语音、非特定人的语音识别研究上。它的特点可概括为充分利用 型法以及极具潜力的人工神经网络方法。 语音模式中的时间相关性作为识别的线索；用DP法对语音信号 进行时间规正；基于动态规划和反向传播能够找到一种优化算 1 人工神经网络技术在语音识别中的应用 法；容易增加新的识别类等。 1．1人工神经网络简介和基本模型 此外，为了使神经网络反映出语音信号的动态时变特性，还 人工神经网络ANN(ArtificialNeuralNetworks)以类比于生物 有时延神经网络TDNN(TimeDe NeuralNetworks)、循环神经网 神经系统处理信息的方式，采用大量简单的处理单元并行连接而 络RNN(RecurrentNeurMNetworks)等。江铭虎等[2]对语音识别中 构成一种复杂的信息处理系统。这种系统具有训练性、高度并行 听觉神经网络、BP网络、时延神经网络、自组织特征映射、学习矢 性、快速判决性、容错性等特点，适用于语音信号的处理。 量量化和神经预测网络进行了详细分析、讨论 ，指出了它们各 自 2O世纪8O年代以来，人工神经网络因其非线性、自适应性、 的优缺点，为在以后的研究中找到对语音信号更强有力的神经网 鲁棒性及学习特性并易于硬件实现等特点受到关注，尤其在语音 络模型，更适宜的激活函数，更高速有效的学习算法和更合理的 识别方面的应用令人瞩 目。隐马尔柯夫模型法是语音识别技术的 结构做了理论铺垫。 主流方法，但该方法的缺点是分辨力不够强，人工神经网络方法 1_2人工神经网络和传统方法的结合在语音识别中的应用 具有很强的自组织 自学习能力，用于语音识别时具有较强的复杂 采用人工神经网络技术进行语音识别的过程包网络学习过 边界分辨能力以及对不完全信息的鲁棒性。人工神经网络技术在 程和语音识别过程，如图1所示。网络学习过程是将已知语音信 语音识别中应用主要以下几个方面：(1)缩小建模单元 ，一般在 号作为学习样本，通过神经网络的自学习，最终得到一组连接权 音素上建模，通过提高音素的识别率来提高整个系统的识别率。 和偏置。语音识别过程是将待测语音信号作为网络输入，通过网 (2)对声学模型、听觉模型、大脑运行机制进行深入研究，对语音 络的联想得出识别结果。这两个过程中的关键是求取语音特征参 信号引进上下文信息，以减少语音多变化的影响。(3)从语音信号 数和神经网络学习。杨华民等[3，4]给出了求解语音特征参数和典 中提取多