基于神经网络的语音识别研究.pdfVIP

! #$# 年% 月 重庆师范大学学报（自然科学版） ’() #$# 第% 卷 第* 期 +’,-.( +/ 01+-234-2 5+,6.( 7-489,:4;（5.;’,.( =49-9 ） ?+() % 5+) * @AB ：$# ) CDEDF ) B==5) $E%G EEDC) #$# ) #* ) #$H 基于神经网络的语音识别研究! 滕! 云，贺春林，岳! 淼 （西华师范大学 计算机学院，四川 南充EC%## ） 摘要：由于具有良好的抽象分类特性，神经网络现已应用于语音识别系统的研究和开发，并成为解决识别相关问题 的有效工具。为解决一般语音识别系统准确率较低的问题，本文分别给出了由循环神经网络（I55 ）和多层感知器 （JKL ）组成识别模块的两种语音识别系统，并对二者识别的准确性进行了比较。介绍了特征提取模块的主要工作 步骤并讨论了组成识别模块的上述两种神经网络结构。其中，特征提取模块利用线性预测编码（KL0 ）倒谱编码器， 把输入语音翻译成KL0 倒谱空间中的曲线；而识别模块完成对某个特征空间曲线之间的联系和单词的识别。实验 结果表明，JKL 方法准确率高于I55 方法，而I55 方法准确率可达HMN 。 关键词：神经网络；语音识别；循环神经网络；多层感知器；线性预测；矢量量化 中图分类号： OLCD$ 文献标识码：P! ! ! 文章编号：$E%G EEDC（#$# ）#*G ##%CG #* ! ! 一个语音识别系统主要由两个不同的模块组 ［$］ $ 基本原理 成：特征提取和识别 ，如图$ 所示。特征提取模块 使用标准的线性预测编码（KL0 ）倒谱编码器，它把 在识别阶段使用神经网络，本文实现了一个简 输入语音翻译成KL0 倒谱特征空间中的曲线。这 单的依赖于语音识别系统的扬声器，它能够识别单 个的阿拉伯数字“# ”T “D ”。另有许多其他方法被 些在降维空间中的曲线能对说出的词汇提供可靠的 有效地用于语音识别，比如，模式识别方法、隐马尔 表征，同时降低了训练的复杂度和减轻了识别的工 ［E ］ 可夫模型（UJJ ）方法等 ，但本文使用的是神经网 作。 络。使用具有神经网络能力的模式识别以及其他的 数学和信号处理工具，一个语音识别系统能正确地 辨识出简单的字。系统可识别出经过训练的样本， 且也能够归纳到同一个字的其他样本。当使用较大 的词汇量时，系统识别的准确率将降低。 开发这种语音识别程序的第一步是设计一个特 征提取器。依照在人类生物学研究中所取得的阶段 图$! 语音识别系统组成框图 成果及其发展，特征提取模块可被模型化［% ］。它能 够把输入的声音转换成内部的表示，而通过它可重 特征提取模块的输出并不能得到由上述特征空