基于HMM和DNN混合模型研究的语音识别技术.pdfVIP

摘 要 随着大数据和人工智能的快速发展，语音识别的相关应用变得越来越普及，如 今很多电子产品都通过语音交互进行操作，这让人们更加方便地享受到了现代化智 能服务。如何更加高效的实现语音交互，减少噪声对系统识别性能的影响，提高系 统的识别准确性是研究的重点所在。 本文首先研究了语音信号的预处理和特征参数提取过程，针对梅尔频率倒谱系 数（MFCC ）只能反映声音信号的静态特性，而经验模态分解（EMD ）能够更细致 地刻画信号的非平稳特性，本文将 EMD 融入到 MFCC 特征提取中。实验结果表明， 改进的特征参数提取方法有效地提高了系统的识别效果，在不同的信噪比下识别率 最大提高了 3.15% 。 在传统的声学建模中，高斯混合模型（GMM ）和隐马尔科夫（HMM ）混合模 型一直占主导地位，本文在 MATLAB 上建立小词汇量识别系统进行实验，对比分析 可得 GMM-HMM 相对于单一的 HMM 来说，对训练数据量的要求不高且具有更好 的识别性能。针对 GMM 对复杂数据的建模能力不足的问题，在此混合模型的基础 上采用具有更强建模能力的深度神经网络（DNN ）来代替GMM 得到新的模型结构, 在 Linux 系统上创建 kaldi 语音识别工具箱，基于 THCHS-30 语音数据库实现了大词 汇量的连续语音识别系统，实验结果表明 DNN-HMM 模型比 GMM-HMM 模型在识 别错误率明显下降，且 Fbank 特征比 MFCC 更适合深度神经网络模型的训练。在添 加噪声环境下，降噪自编码器（DAE ）对深层模型进行预训练能够恢复被噪声破坏 的信号，有效提升识别的准确性。 关键词 语音识别；特征提取；HMM 模型；深度神经网络；反向传播算法 I Abstract With the rapid development of big data and artificial intelligence, the application of speech recognition has become more and more popular. Nowadays, many electronic products operate through voice interaction, which makes people more convenient to enjoy modern intelligent services. How to achieve more efficient speech interaction, reduce the impact of noise on the system recognition performance, and improve the recognition accuracy of the system is the focus of the study. In this paper, the preprocessing and feature parameter extraction of speech signal are studied firstly. For MFCC can only reflect the static characteristics of sound signal, while EMD can describe the non-stationary characteristics of signal more carefully. In this paper, EMD is integrated into MFCC feature extraction. The experimental results show that the improved feature parameter extraction method effectively improves the recognition effect of the system, and the recognition rate increases by 3.15% at different SNR. In the trad