一种基于遗传算法的语法网络搜索方法.docVIP

一种基于遗传算法的语法网络搜索方法 　　【摘要】本文以基于隐马尔科夫模型的语音识别系统为基线系统，提出了一种基于遗传算法的语法网络搜索方法，应用于语音识别系统的语法网络搜索模块。通过遗传算法解码得到的搜索结果虽然不唯一但都是满意解，提升了该模块的全局优化搜索能力。 　　【关键词】语音识别；语法网络；遗传算法；适应度函数 　　1.引言 　　语音识别技术是让机器通过识别和理解人类的语音信号，进而听懂人类的语言。近年来，由于计算机各项功能的日益强大，云计算技术的全面发展，语音信号处理技术也得到了长足的进步。目前语音识别技术已广泛应用于医疗、教育、安全、电信客服等领域，覆盖人类生活的方方面面。 　　但在实际应用中仍然会存在较多的问题，比如信道干扰、背景噪音干扰等，这些不确定因素都会对识别率造成很大的影响。另外，在各类嵌入式设备终端上，语音识别系统的运行环境相对比较差，在系统的效率和效果之间要做好平衡。基于以上问题，语音识别系统通常从三方面来评价，分别鲁棒性、识别率以及响应时间，本文重点关注语音识别系统的识别率和响应时间。本文选择基于隐马尔科夫模型（Hidden Markov Model，HMM）的语音识别技术[1]构建了基线系统。在该系统中，影响语音识别系统识别率和响应时间的模块比较多，但最主要的还是解码模块。该模块通常采用传统的Viterbi解码方法，但是在海量命令词识别时，如车载领域的兴趣点（Position of Interesting，POI）识别，搜索空间急剧增大，获取最优解的效率大大降低。针对这类复杂的问题，需要把主要精力放在寻求满意解上。 　　遗传算法（Genetic Algorithm，GA）借鉴了生物学中的染色体和基因的概念，通过模拟自然进化过程，求解满意解较为有效。它对一个参数编码群体进行操作，提供的参数信息量较大，优化效果也相对较好[2-4]。因此，本文将GA算法应用于基线系统的语法网络搜索模块，以此来提升该模块的全局优化搜索能力，进而改善系统的识别效果和响应时间。 　　2.基线系统的构建?????????????????? 　　2.1 系统结构 　　如图1所示，系统各部分按照与识别实例关系的不同分为两大类：实例无关事物和实例相关事物。实例无关事物指的是与识别实例无关的永久性资源：包括拼音到HMM索引表、汉字到HMM的索引表和HMM集合。实例相关的事物则指的是与特定识别实例相联系的行为或数据。它又可分为四个字模块：词典集合、搜索、转化和录音模块。 　　录音模块，负责和录音设备交互。负责从录音设备中获取声音数据。负责自动将含有静音和语音的数据切分出来，提供给转化使用。 　　转化模块，负责将波形数据转化为特征向量序列。 　　搜索模块，负责对特征向量序列在给定的语法网络中搜索。对每一帧搜索数据，能够更新搜索状态。搜索状态是一个记号集合，每个记号对应于搜索网络中的一个节点，同时还包括搜索数据到达此节点的最大概率和路径，以及内部HMM各状态的概率。 　　词典集合模块，负责管理词典。实际系统支持多个词典，形成一个词典可包含多个词典的词典集合。每个词典包含多个词，可以增加、删除词。可以将一个词典生成语法网络，提供给搜索使用。 　　图1 基线系统框架结构 　　2.2 识别流程概述 　　系统有两种运行状态：脱机识别和联机识别。脱机识别和联机识别的区别在于语音数据的来源不同。脱机识别数据来自文件，而联机是别的数据来自麦克风。这两种状态的运行流程如图2所示。 　　图2 语音识别流程 　　3.语法网络搜索的遗传操作 　　在实际的搜索中，我们通常是将HMM根据语法的限制连接成一个语法网络，如图3就是一个简单的孤立词识别系统的语法网络，语法网络可以分为三层，如图4所示。 　　语法网络搜索过程又称为解码，逻辑上通常将解码分为两层，一层是HMM内部状态在时刻t的最大概率，另一层是以网络节点为单元，它们之间的关系为网络节点在时刻t的概率是本HMM内部各状态在时刻t的最大值。 　　传统的解码方法是Viterbi解码，但是在一些应用场合，比如车载领域的POI识别，其命令词集合非常大，往往有数十万条。此时，解码的搜索空间将急剧增大，而系统的效率、效果将急剧下降。所以，对这类复杂的问题，需要把主要精力放在寻求满意解上，而GA正是寻求这种满意解的最佳工具之一。 　　图3 孤立词识别系统的网络结构 　　图4 语法网络的三层模型[5] 　　3.1 编码方案 　　将语法网络的HMM标号i（i，2，…，N）作为基因，构造有K个命令词的识别网络，每个命令词内存放一类标号，构成遗传操作的染色体。 　　3.2 创建初始种群 　　初始种群应具有一定的规模，以保持群体内个体的多样性。由于GA具有很强的鲁棒性，所以