基于HMM和ANN的数字语音识别研究

【摘要】： 语音识别是一门内涵丰富、应用广泛的技术。由于语音信号的多样性和复杂性,目前的语音识别效率也不是很高。因而发展高效率识别语音模型成为语音识别研究中的一个重要课题。 本文首先对语音信号的预处理及反映语音信号特征的三种特征参数(LPC、LPCC、MFCC)进行系统的分析。接着对用于语音识别的两种技术(HMM、ANN)进行研究。重点对基于段长分布隐马尔可夫模型(DDBHMM)及其训练和识别算法进行研究,进行了基于HMM的非特定人汉语数码孤立词语音识别实验,实验证明DDBHMM考虑段长分布提高了语音识别率。 最后,本文针对经典HMM的缺陷提出将DDBHMM与自组织特征映射神经网络相结合而构成新的语音识别模型,给出了基于HMM和ANN混合模型的汉语数字语音识别及仿真实验,证明在低信噪比条件下混合模型比传统的单一HMM模型能明显提高识别率,且鲁棒性显著提高,并证明本文提出的DDBHMM/SOFMNN模型在低信噪比条件下的识别率优于CDHMM/SOFMNN混合模型,验证了本文提出的新的语音识别模型的优越性、可行性。