基于小波混沌神经网络语音识别.docVIP

基于小波混沌神经网络语音识别 　　摘 要：基于语音信号的时变特性，提出了一种新型神经网络语音识别方法――小波混沌神经网络方法，即把小波变换和混沌特性引入到神经元，构成小波混沌神经网络，将这种神经网络用于语音识别，并与常用的BP神经网络识别方法进行了比较。实验结果表明，小波混沌神经网络的平均识别率要高于同等条件下常用的神经网络方法的识别率。?? 　　关键词：语音识别；小波变换；混沌；神经网络?? 　　中图分类号：TP391．42 文献标志码：A 　　 文章编号：1001-3695(2008)07-1986-02 　　?? 　　Speech recognition based on wavelet chaotic neural network 　　WANG Xu,HAN Zhi??yan,WANG Jian,XUE Li??fang 　　??(College of Information Science Engineering, Northeastern University, Shenyang 110004, China) 　　??Abstract:This paper proposed a new speech recognition method of neural network,introduced wavelet transform and chaotic characteristic to neurons, and built a wavelet chaotic neural network(WCNN).It applyed the class of neural network to speech recognition and compared the performance of the network with BP neural network.The experimental results show that chaotic neural network method outperforms the BP method. ?? 　　Key words:speech recognition;wavelet transformation;chaotic；neural network?お? 　　从20世纪60年代人类便开始了语音识别技术的研究,其目的就是使机器能够理解人类的自然语言。语言信号本身非常复杂,加上人类对语音学知识还很缺乏, 因而目前的任何一种语音识别方法在识别率和实时反应速度上都还很难达到人类本身的听觉效果[1]。人工神经网络方法[2]自80年代起开始应用于语音识别，为该课题注入了新的活力。然而，目前神经网络方法仍受到各种条件的限制，无法充分发挥其优势。为了改善这一状态，本文提出了一种新型的神经网络――小波混沌神经网络(wavelet chaotic neural network，WCNN)，即将小波分析作为神经网络的前置处理，为神经网络隐含层提供输入特征向量、它具有响应速度快、识别精度高等优点；然后再提供给混沌神经元部分进行识别。采用人工神经网络技术进行语音识别的过程包含两部分，即网络学习过程和语音识别过程。网络学习过程是将已知语音信号作为学习样本, 通过神经网络的自学习, 最终得到一组连接权和偏置; 语音识别过程是将待测语音信号作为网络输入, 通过网络的联想得出识别结果。这两个过程中的关键是求取语音特征参数和神经网络?┭?习。???? 　　 　　1 语音特征参数提取?? 　　 　　MFCC（Mel??Scald cepstrum coefficients）参数是基于人的听觉特性利用人的听觉临界带效应[3]。Mel标度频率域提取出来的倒谱特征参数提取过程如下[4]：?? 　　a）对输入的语音信号进行分帧、加窗，然后作离散傅里叶变换，获得频谱分布信息。?? 　　b）再求频谱幅度的平方，得到能量谱。 ?? 　　c）将能量谱通过一组Mel尺度的三角形滤波器组，滤波器的个数??M??和临界带的个数相近，中心频率为??f(m)，0≤m＜M，本文取M??=24。?? 　　d）计算每个滤波器组输出的对数能量。?? 　　e）经离散余弦变换(DCT)得到MFCC系数。本文取倒谱系数个数为12。?? 　　 　　2 动态时间规整?? 　　 　　将特征提取后的数据进行压缩，充分利用语音模式中的时间相关性作为识别的线索，通过动态规划方法可以对语音的时间失真加以规整，规整到特定帧数，以此作为神经网络输入。?? 　　 　　3 小波混沌神经网络结构?? 　　 　　3．1 小波混沌神经网络模型?? 　　神经网络是靠学习来实现某种映射功能的。BP算法作为神经网络的学习算