基于神经网络的汉语孤立词语音识别.PDF

第28卷第3期 01 北京工业大学学报 v 28№3 2002年9月 JOL刚AL oFBElⅡNGP。LyrBC}咖C uNrvERsrrr Se吐2002 基于神经网络的汉语孤立词语音识别 孙光民，董凳盈 (北京工业大学电子信息与控制工程学院，北京 100022) 摘要：研究了基于神经网络的中文孤立词语音识别技术；将时间规整算法与神经网培相结台，组成一个幌台级 联神经网络语音识剐系统．在这个模型中，第一级是时间规整神经网络．其作用是完成时间规整功能，从输入 不等长的语音信号特征矢量序列中提取固定长度的特征矢量；然后将这组特征矢量馈^后一级BP网络完成语 音调别．利用该方法对小词表汉浯孤立词进行语音识别实验．获得了98．25％的正确识别率．实验结果表明．该 系统不仅利用神经网络解嵌了语音识别中的时间规整难题，而且识别性能明显得到改善，识别率和训练速度均 优于采用线性时间规整的神经网络语音识别方法． 关键词：语音识别；人工种经网络；时间规整 9123 中圈分类号：TN 文棘标识码：A 文章鳙号：0254一呻37(2002)03-0289—04 近年来，随着计算机技术的不断发展和广泛应用，语音识别技术得到了迅速发展，先后提出了动态规 理论等．尽管如此，目前语音识别研究中仍然存在着大量难题迫切需要解决．为了解决这些难题，研究人 员又提出了各种新的修正方法”。“；所有这些努力都取得了一定成果，尤其是基于人工神经网络的语音识 别系统受到人们的极大关注”“。．作者主要研究了基于神经网络的中小词表汉语孤立词语音识别技术．将 人工神经网络中最经典的Bp网络应用于语音识别，并针对BP网络用于语音识别时所遇到的时间对准问 题，提出一种时间规整网络与BP网络棍合而成的分类器模型，用于对小词表中文孤立词识别． 1 语音信号特征提取 特征提取是语音识别的基础．因为语音信号中含有丰富的信息，进行语音识别，首先要进行特征提取， 将高维的原始信号空间变换到较低维的特征空间，即对语音信号进行分析处理，去除对语音识别无关的信 息，提取有用的信息．对于非特定人语音识别，希望特征参数尽可能多地反映语义信息，减少个人信息． 线性预测(LP)分析法在语音识别时可用于特征提取．它通过采用一组简洁的语音信号模型参数来表达 语音信号的频谱幅度，这些参数一般可看做是由线性预测系数推演而来．常用的参数包括倒谱系数，反射系 数等．在语音识别中，最常用的是倒谱系数．p阶线性预测倒谱系数的递推公式可表示为 fc(I)=日1 。(。)：{。4 掣 (1) 卜(i)2乞(1一￡，f)d^ l，尸 l ^=I 倒谱f(”)实际上是信号z变换的对数函数的反z变换，一般通过信号的傅里叶变换，对其模取对数， 再求反傅里叶变换得到．因为线性预测分析法是一种谱估计方法，而且预测滤波器的频率响应日(e，“)反 映了声道的频率响应和信号的谱包络．所以用IogIH(e1“)l作反傅里叶变换求出的倒谱系数便是一种描 述语音信号的良好参数，并且计算量不大．往往只需要十几个倒谱系数就能较好地描述语音的共振峰特 收稿日期：2002．04．11． 作者简介：孙光民(1960一)，男，副教授，博士 万方数据 』塑L——————————————一i!—』三些查兰兰塑 !!!!生 性，因此用于语音识别时，可以降低特征矢量维数，减少训练和识别时问． 作者选用加权的线性预测倒谱系数．首先应用Burg算法计算线性预测系数，然后递