基于连续隐马尔柯夫模型的模式识别技术及其应用.docVIP

基于连续隐马尔柯夫模型的模式识别技术及其应用 　　摘 要：对利用基因算法训练连续隐马尔柯夫模型的语音识别的具体算法进行系统的研究；然后基于该语音识别技术对深圳市司法局社区矫正声纹识别系统进行详细设计。该系统上线后的运行结果表明，利用基因算法训练连续隐马尔柯夫模型的语音识别算法的识别速度较快同时具有较高的识别率。基于模式识别技术的司法社区矫正声纹识别系统建设在我国司法系统目前尚处于起步阶段，推广和建设司法社区矫正声纹识别系统具有重要的现实意义。 　　关键词：模式识别；语音识别；交互式语音应答；司法社区矫正 　　中图分类号：TP391.41 文献标识码：A 　　Abstract：Systematic research was done on the specific algorithm for speech recognition in using genetic algorithm to train continuous hidden Markov mode. Then the detailed design of Voiceprint Recognition System of Community Correction Objects in the Shenzhen City Bureau of Justice has been done based on the speech recognition technology. The system running results show that the recognition rate of recognition algorithm using genetic algorithm to train continuous hidden Markov model is faster and has a higher rate of recognition. Construction of voiceprint recognition system of judicial community correction objects based on pattern recognition is still in the junior stage in our judicial system， and promotion and the construction of voiceprint recognition system of judicial community correction objects have the important practical significance. 　　Key words：pattern recognition；speech recognition；interactive voice response；judicial community correction 　　1 利用基因算法训练连续隐马尔柯夫模型的语音识别以及具体算法 　　作为模式识别重要应用之一的语音识别技术所涉及的领域包括信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。近年来，在生物识别技术领域中，声纹识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安全验证方式。 　　隐马尔柯夫模型（Hidden Markov Model，HMM）方法是二十世纪70年代引入语音识别理论的，它的出现使得自然语音识别系统取得了实质性的突破，现已成为语音识别的主流技术[1-4] ，该方法在语音识别时识别速度较快，也有较高的识别率。目前大多数大词汇量、连续语音的非特定人语音识别系统都是基于HMM模型的。HMM是对语音信号的时间序列结构建立统计模型，将之看作一个数学上的双重随机过程：一个是用具有有限状态数的Markov链来模拟语音信号统计特性变化的隐含的随机过程，另一个是与Markov链的每一个状态相关联的观测序列的随机过程。前者通过后者表现出来，但前者的具体参数是不可测的。人的言语过程实际上就是一个双重随机过程，语音信号本身是一个可观测的时变序列，是由大脑根据语法知识和言语需要（不可观测的状态）发出的音素的参数流。可见HMM合理地模仿了这一过程，很好地描述了语音信号的整体非平稳性和局部平稳性，是较为理想的一种语音模型。 　　在HMM（隐马尔柯夫模型）中，分为离散HMM（DHMM）和连续HMM（CHMM）。由于CHMM直接以帧语音特征向量本身为观测序列，而不是像DHMM那样先将语音特征向量经矢量量化为观测符号，因此CHMM有优于DHMM的识别精度。然而，由于CHMM参数多，传统的训练方法采用迭代法，先假