基于全监督算法RBF神经网络的语音识别.pdfVIP

2011年 1月 西 安 邮 电 学 院 学 报 Jan．2011 第 16卷 第 1期 JOURNALOFXI’ANUNIVERSITYOFP() ANDTELECOMM 【丁I、JICATIONS V0】．16No．1 基于全监督算法RBF神经网络的语音识别 侯雪梅 (西安邮电学院 自动化学院，陕西 西安 710121) 摘要：利用RBF神经网络，采用全监督训练算法，实现基于RBF神经网络的抗噪语音识别系统。与传统的K-均值 聚类算法相比较，采用全监督训练算法可避免隐含层节点中心容易对初始值敏感的缺点，且能使 RBF网络具备更 强的分类能力。实验结果表明，在不同的信噪比下，全监督训练算法比传统聚类算法有更高的识别率。 关键词 ：语音识别；RBF神经网络 ；全监督 中图分类号：TP183；TN912 文献标识码：A 文章编号：1007—3264(2011)O1—0087—04 识别网络的选取是语音识别系统中的关键步 实际频率尺度的倒谱系数，而人耳所听到声音的频 骤，其性能的优劣决定了识别率的高低。径向基函 率与实际频率并不成线性正比关系。通过实验研究 数神经 网络 (RadialBasisFunctionNeuralNet— 发现，基于人耳的听觉模型提取的特征参数更具有 work，RBFNN)以其结构简单、分类性能好，特别是 优于其它参数的鲁棒性。Mel频带划分是对人耳听 其有效的训练算法在语音识别中得到较好的使 觉特性的一种工程化模拟，人的听觉感知除了音调 用[1]。RBF神经网络的隐层和输出层参数可分别 高低的感知外，还有对响度的感知，人对声音响度的 训练。但隐层节点中心矢量的选取对网络的学习能 感知与声音的频宽有关。Mel频率尺度是将声音的 力和泛化能力具有很大的影响，不恰当的参数选择 频率非线性映射(或称弯折)到一个新的频率尺度， 会严重影响RBF神经网络的性能_2]。传统的K-均 可较充分地反映人耳对频率及幅度的非线性感知特 值聚类算法[3]对初值的选择比较敏感，不具备全局 性，以及人耳在听到复杂声音时所表现的频率分析 优化特性，常常收敛于局部最佳值，从而影响网络的 和谱合成特性。根据人类听觉系统对频率及幅度的 最终训练结果[4]。全监督训练算法的基本思路是将 感知实验结果，在此尺度下提取语音特征，更符合人 网络的所有参数的调整过程作为一个监督学习的过 耳的听觉特性。因此将常规的LPC进一步按符合 程 ，即同时加以调整，以达到性能指标最小，这样可 人耳听觉特性的Mel尺度进行非线性变换，得到 避免了K_均值聚类算法对初值的选择比较敏感这 LPMel倒谱系数 (LPCMCC)作为特征参数[5]。既 一 问题，而且使 RBF网络具备了更强的分类能力。 考虑了声道激励，又兼顾人耳听觉，具有更强的抗 本文用VC构建了一个基于RBF神经网络的语音 噪性。 识别系统，其中识别网络采用全监督训练算法，特征 2 RBF神经网络的结构和映射 参数使用 LPMCC(IinearPredictiveMelCepstrum Coefficients)特征提取方法提取，在不同信噪比下 2．1 RBF网络结构 进行识别，得到了较好的识别效果。 RBF神经网络的结构与多层前向网络结构类 似，同许多BP网络一样，它也是一种三层静态前向 1 LPMCC特征提取 网络，其拓扑结构如图l所示[引。 LP倒谱系数(Iinear