基于神经网络的语音识别研究.docVIP

中国传媒大学 2011-2012 学年第3学期 数字语咅技术 课程 题 目基于神经网络的语音识别研究 学生姓名 秦越 学 号 200910013126 班 级 电子信息工程3班 学生所属学院信息工程学院 任课教师戴志强 教师所属学院信息工程学院 成 绩 摘要:本文主要提出了一种基于双权值神经网络的非特定人连续语音 识别的新算法。这种算法可以不经过端点检测和分割，构建连续语音 中各不同音节的特征空间覆盖区，可以避免因分割错误而带来的错 误识别。 关键词：双权值神经网络 连续语音 语音识别 概述 语音是人类交流和交换信息中最便捷的工具和最重耍的媒体。语 音识别技术是集声学、语音学、语言学、计算机、信息处理和人 工智能等诸领域的一项综合技术，应用需求十分广阔，在近半个多世纪 以来一直是人们研究的热点。 语音识别系统可以依照语音识别的单元及语音识别系统是否依 赖特定人而分成以下四类： 特定人，孤立词语音识别； 非特定人，孤立词语音识别； 特定人，连续语音识别； 非特定人，连续语音识别。 可以看出,这四类系统的难度是依次增加的。在语音识别系统的 性能中，语音识别的正确率以及字表大小和内容是主要的，此外还有系 统对发音的要求高低、系统的抗噪声能力、训练量的大小等等。目 前常用的语音识别算法有动态时间规整法(DTW)、隐马尔可夫模型 (HMM)和人工神经网络(ANN)等，其中基于统计的HMM算法可能是 目前最为成功的一种语音识别模型和算法了。然而,HMM语音识别模 型也存在一些严重的缺陷，如:鲁棒性不够理想,抗噪音的能力比较弱 以及需要大量的训练样本等等。另外，由于连续语音识别技术存在单 词切分困难的特点，而单词切分错误又直接影响到语音识别的识别 率。基于以上连续语音识别技术的难点，本文从双权值神经网络的结 构出发，提出了一种基于双权值神经网络的非特定人连续语音识别的 新算法。这种算法可以不经过端点检测和分割,构建连续语音中各不 同音节的特征空间覆盖区,得到了较为满意的识别结果 双权值神经网络的结构 双权值神经元模型的结构图如图1所示。双权值神经元的典型 的特点就是它不仅有相当于前馈网络中的方向权值W，而且还有相 对于RBF径向基函数网络屮的核心权值Zo这样的双权值神经元是 一个具有良好的局部反应性质、各向异性的高阶神经元。 图1双权值神经元模型 双权值神经元的基本算式为：y=\fx[ Wj（XL-w^] iw’Xj-眄）卩-① 丿令I叫（X厂叫）1丿7 J J 其中Y为神经元的输出,f为神经元激励函数,0为神经元的阈值，Wj 为由第j个输入端接至神经元的方向权值，W；为由第j个输入端接 至神经元的核心权值，Xj为第j个输入端（正值）,M为输入空间维数, S为决定单项正负号方法的参数，S = 0时单项符号永为正,S =1时单 项的符号与Wj的符号相同,P为幕参数。 这种网络模型是一种通用的神经元网络模型，传统的通用前馈 网络和径向基函数（RBF）网络都是它的一种特例。如果核心权值M 全为0, S = l,p = 1,则2?12式就是一个经典的神经元数学模型;如果 核心权值附全为1, S二0, p二2,则y是一个径向基函数（RBF）网络 的神经元。 构造双权值神经网络的学习算法 步骤1：设某类问候语单字所有的样本点集合为Q二{人， A…，Av },N为样本点总数。计算出这些点两两之间的距离，找到 距离最小的两个点，记为色、禺，计算其它点到这两点的距离和，将 距离和最小，且与叭、弘不共线的点记作环点，这样构成第一个平面 三角形目百2弘，记作G ,用一个双权值神经元来覆盖，其覆盖范围为: XI% 5Th,X WR” ^={yiy = a2[a1BI1+(l-a1)B12] + (l-a2)B13,tz1€[O,l],a2G[O,l]} 其中铁。表示点X到空间q的距离。 步骤2：对于前一个己构造好的几何形体P1 ,判断剩余点是否被 该形体包含,若在形体覆盖范围内，则排除该点。对于在形体之外的样 本点,按照第1步的方法，找出离目百2弘三点距离和最小的点弘，将 BnB12B13三点中离弘最近的两个点记作场2场3 ,场2与 构成第二个平 面三角形，记作0 , B、\B詞3三点中离场］最近的两个点记作％场3 ， B22场3与场］构成第二个平面三角形场血％,记作g ,同样用一个双权 值神经元来覆盖，其覆盖范围为: 其中Q泮表示P2=[X\px( 其中Q泮表示 02={Y\Y = a1[axB2X +(l-^)522] + (1-cz2)B23,cZj e[O,l],cz2 e[O,l]j 点X到空间0的距离。 步骤3：在剩余点中排除包含在前面（i?1）个双权值神经元覆盖 体积内的样本点，在覆盖体积外的样本点中，找出离前面第i -1个 三角形的顶点的距离