基于DL的孤立词语音识别研究及手机应用开发设计.docx

PAGE

PAGE

PAGE72

基于DL的孤立词语音识别研究及手机应用开发

摘要

语音识别一直是人工智能的重要研究领域。随着人工智能技术与机器学习方法的发展，语音识别领域也不断取得进展，尤其是近年来，以“深度模型”和“特征学习”为特点的深度学习（DeepLearning，DL）方法的出现，为语音识别带来了重大突破。其中，卷积神经网络（ConvolutionalNeuralNetwork，CNN）作为一种典型的深度学习模型，因其所拥有的局部连接、权值共享和下采样特点，使其具备了泛化力强，学习效率高等优势，在图像识别和语音识别领域均占据着重要地位。已有研究表明，许多研究者在声学模型的构建和特征提取均采用CNN来实现，获得较好的效果。

本文旨在研究基于CNN的孤立词语音识别方法，并设计开发出应用原型系统，主要做了以下工作：

（1）研究了语音识别的相关理论，阐述了语音的预处理、特征提取过程以及CNN网络的组成结构和误差前向后向传递机制；

（2）在卷积神经网络研究基础上，分析了CNN对语音特征进行特征提取的过程，构建用于孤立词语言识别的声学模型。针对构建好的声学网络模型进行训练，采用实验法对主要参数进行调节，分析每个参数对模型识别准确率的影响，最终确定一组最优的模型参数。

（3）设计并开发了应用原型系统，包括基于微信小程序的前端语音采集子系统，基于PythonFlask框架的后端服务子系统，以及基于TensorFlow实现的CNN语音识别模型。

（4）对开发的应用原型系统进行测试，邀请真人进行语音识别实验，实验结果表明，每个语料词的识别准确率均超过90%，整体识别准确率达到93%以上。

研究工作表明，基于CNN构建孤立词语音识别模型具有较好的识别效果，基于微信小程序+PythonFlask框架+TensorFlow工具箱实现孤立词语音识别应用系统是可行的，并有一定的实用价值。

关键词：孤立词语音识别；深度学习；卷积神经网络；微信小程序；PythonFlask架构

ResearchonIsolatedWordSpeechRecognitionBasedonDLandDevelopmentofMobilePhoneApplication

ABSTRACT

Speechrecognitionhasalwaysbeenanimportantresearchareaof??artificialintelligence.Withthedevelopmentofartificialintelligencetechnologyandmachinelearningmethods,thefieldofspeechrecognitionhasalsomadecontinuousprogress,especiallyinrecentyears,theemergenceofDeepLearning(DL)methodscharacterizedbydepthmodelandfeaturelearning.Amajorbreakthroughhasbeenmadeforspeechrecognition.Amongthem,ConvolutionalNeuralNetwork(CNN)isatypicaldeeplearningmodel.Becauseofitslocalconnection,weightsharinganddownsamplingcharacteristics,ithasstronggeneralizationandhighlearningefficiency.Advantages,occupyanimportantpositioninthefieldofimagerecognitionandspeechrecognition.StudieshaveshownthatmanyresearchersuseCNNtoachievetheconstructionandfeatureextractionofacousticmodels,andobtainbetterresults.

ThesisaimstostudytheisolatedspeechrecognitionmethodbasedonCNN,anddesignanddeveloptheapplicationprototypesystem,m