改进脉冲耦合神经网络的语音识别研究.pdfVIP

维普资讯 ComputerEngineeringandApplications计算机工程与应用 2007，43(8) 51 改进脉冲耦合神经网络的语音识别研究 张晓俊，陶 智，施晓敏，顾济华 ZHANGXiao-jun，TAOZhi，SHIXiao-min，GUJi—hua 苏州大学 物理科学与技术学院，江苏 苏州 215006 SchoolofPhysicalScienceandTechnology，SuzhouUniversity，Suzhou，Jiangsu215006，China E—mail：nagelzxj@21cn．corn ZItANG Xia0-j吼 ，TAO Zhi，SHIXiao-min，etaiI·mprovedPCNN inspeechrecognitionresearchC·omputerEngineering andAppHcatio砸 ，2007，43(8)：51—53． Abstract：，I}Iepaperproposesamethod torecognizespeech by Improved Pulsed—Coupled Neural Network(IPCNN)．IPCNN iSfirstusedtoextractthefeatureofspectrogram，andisthenwiht hteassistanceofProbabilisticNeuralNewtork(PNN)ot recog- nize speech．By training speech samples，speech identification databasesare constructed，nad hte integrated recognition system is htenbuilt．Theexperimentresultsshow htatcomparingwith usinghteIPCNN nadPNN alone．htismehtod Cna increasehterecog- nition rateby 22．7％ and 39．4％．And itcan attain recongitionrateof92％． Keywords：Pulse-CoupledNeuralNewtork(PCNN)；ProbabilisticNeural Newtork(PNN)；spectrorgma ；speechrecognition 摘 要 ：提 出了一种改进脉冲耦合神经网!~．(IPCNN)实现语音识别的方法。首先利用 IPCNN来快速提取语音的语谱 图图像特征， 然后由概率神经网络(PNN)辅助来识别语音。通过训练语音样本来构成语音识别库并建立综合识别系统。实验结果表明，该方法 相对于单独使用PCNN和PNN识别率分别提高了22．7％和 39．4％，达到92％的识别率。 关键词 ：脉冲耦合神经网络 ；概率神经网络；语谱 图；语音识别 文章编号：1002—8331(2007)08—0051—03 文献标识码 ：A 中图分类号：TP391 1 引言 PCNN单个神经元模型如图1所示。当接收部分接收到来 自其 脉冲耦合神经网络PCNN(Pulse—CoupledNeuralNewtork) 它神经元与外部的刺激输入后 ，将其通过两条通道传输 ：一条 是 Eckhornt于 1990年在深入研究猫眼视觉机制基础上提出的。 通道称为馈送输入 F通道，另一条通道称为链接输入 L通道。 ’随后 由Johnsontn与Kuntimad~]等对 Eckhorn神经元模型进行 了 F通道 的脉冲响应函数随时间的变化 比L通道慢 ，对应着外界 改进，从而使模型更适合于图像处理。 的输入，而L是对相邻神经元输出脉冲的局部抽样。链接输入 随后对于如何利用PCNN进行图像处理成为一个活跃的 加上一个正的偏移量，然后和馈送输入相乘形成内部活动项， 研究领域，同时针对如何将 PCNN技术应用于语音识别也成为