基于仿生模式识别的语音识别研究 .pdfVIP

维普资讯

第１Ｏ卷第２期上海电机学院学报ＶｏＩ．１ＯＮｏ．２

２００７年６月ＪＯＵＲＮＡＬ０ＦＳＨＡＮＧＨＡＩＤＩＡＮＪＩＵＮＩＶＥＲＳＩＴＹＪｕｎ．２００７

文章编号１６７１—２７３０（２００７）０２—０１２７—０４

基于仿生模式识别的语音识别研究

徐毅，殷业，王沛

（上海师范大学数理信息学院，上海２００２３４）

摘要：与传统模式识别的方法相比，仿生模式识别能识别单模板，并大大减小误识率。基于这两

个优点，将仿生模式识别应用于语音信号处理中，进行２次识别。第１次使用传统模式识别方法，第２

次为单模板识别。对小词汇量的关键词识别实验结果表明能够大大降低误识率。

关键词：语音识别；模式识别；仿生模式识别；关键词识别；误识率

中图分类号：ＴＰ１５文献标识码：Ａ

ＴｈｅＳｐｅｅｃｈＳｉｇｎａｌＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＢｉｏｎｉｃＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ

Ｘ己，。、¨Ｎ。Ｗ－ＡＮＧ尸Ｐ

（ＭａｔｈｅｍａｔｉｃｓａｎｄＳｃｉｅｎｃｅｓＣｏｌｌｅｇｅ，ＳｈａｎｇｈａｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００２３４，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ，ｂｉｏｎｉｃｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｃａｎｒｅｃｏｇ—

ｎｉｚｅｓｉｎｇｌｅｔｅｍｐｌａｔｅａｎｄｒｅｄｕｃｅｅｒｒｏｒｒａｔｅ．Ｂａｓｅｄｏｎｔｈｅｔｗｏｍｅｒｉｔｓ，ｔｈｅｂｉｏｎｉｃｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｉｓ

ａｐｐｌｉｅｄｔｏｓｐｅｅｃｈｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｗｉｔｈｔｈｅｕｓｅｏｆｓｅｃｏｎｄａｒｙｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｉｔｕｓｅｓｔｒａｄｉｔｉｏｎａｌ

ｍｅｔｈｏｄｓｏｆｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ，ｓｅｃｏｎｄｌｙ，ｉｔｕｓｅｓｓｉｎｇｌｅｔｅｍｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎ．Ｓｍａｌｌｖｏｃａｂｕｌａｒｙｋｅｙ—

ｗｏｒｄｓｐｏｔｔｉｎｇｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗａｓｉｇｎｉｆｉｃａｎｔｌｙｌｏｗｅｒｅｒｒｏｒｒａｔｅ．

Ｋｅｙｗｏｒｄｓ：ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ；ｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ；ｂｉｏｎｉｃｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ；ｋｅｙｗｏｒｄｓｐｏｔ—

ｔｉｎｇ；ｅｒｒｏｒｒａｔｅ

语音识别本质上是一种模式识别，因此，识别算物的识别功能恰恰相反，人类认识事物是以类类样

法的好坏对识别效果影响巨大。在半个多世纪的发本的“认识”过程，即一类样本与无限类未知样本的

展中，各种算法层出不穷，如滤波器模型法、线性预区分，侧重于“认识”，只有在细微处才重视“区别”。

测技术（ＬＰ）、动态时间规整算法（ＤＴＷ）、隐马尔科正是由于这些模式识别方法忽略了“认识”的概念，

夫模型（ＨＭＭ）、矢量量化技术（ＶＱ）、人工神经网必然会带来２个缺点：①首次遇到未学习过的新事

络（ＡＮＮ）和支持向量机（ＳＶＭ）等。但现有的这些物时容易误认为是某一种学习过的旧事物，造成误

方法只侧重于“区别”，即一类样本于有限类已知样识；②在对未学习过的新事物进行新的学习时，往

本的区分，而忽视了“认识”的概念。这与人类对事