基于hmm和ann混合模型的语音识别技术的研究

《基于hmm和ann混合模型的语音识别技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毛占Ｈ故夫著……＂………一—硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ＇＇如續■－：：：ｆ．ｒ．，．．．．．宁．Ｖ＼：：也７Ｆ；１：又Ａ＾／＂ｌ论文题目基于ＨＭＭ和ＡＮＮ混合模型的语音：识别技术的妍究：：￣ｎ￣￣￣＿—：＾Ｈ：学科专化电路与系统－学号２０１３２１０２０１１９作者姓名蒋玉睹指营教师朗永忠窩工．：．＇’：Ｖ心；卓相：＂＇ｒ；：Ｖ；；扣吿其占：：：－

2、．．．ｒ二＇；片■■．．■：＿Ｌ片瓦扣＂＇＊’二－．．■：．１Ｉ－ｉｎｉｌ－ＩＶＩ：二。１ｌｉｌ１Ｉ古ＴＶＶ独剑性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加标注和致谢的地方夕ｈ论文中不包含其他人已经发衷或撰写过的研究成果，也不包含为获巧化子科技大学或巧它教巧机构的学位或证书而使用过的材料。与－我－－－同Ｘ作的同志对本研究所做的任何贡献均己在论文中作了明确的

3、说明井表示谢意。作者签名《：日期：年５月／化＿论丈使用授权本学位论义作者完全了解电子科技大学有关保留、使用学位论义允的规许定论文，有被权査保留并向圃家巧关部口或机构送交论文的复印件和磁盘，部或部分阅和借阅。本人授权电子科技大学可Ｗ将学位论文的全等复制手段内化容债编入有关数据库进行检索，可采用影印、缩印或扫描、汇编学位论文。（保密的学位论文在解密后应遵守此规定）、化省签名：■篇圣寸霉＾导帅签名：日姻：ｒｊ！／Ｍ１分类号密级注1UDC学位论文基于HMM和ANN混合模型的语音

4、识别技术的研究（题名和副题名）蒋玉博（作者姓名）指导教师胡永忠高工电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业电路与系统提交论文日期2016.3.31论文答辩日期2016.5.13学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。RESEARCHOFSPEECHRECOGNITIONBASEDONHYBRIDMODELOFHMMANDANNAMasterThesisSubmittedtoUniversityofElectronicSciencean

5、dTechnologyofChinaMajor:CircuitsandSystemsAuthor:JiangYuboAdvisor:HuYongzhongSchool:SchoolofElectronicEngineering摘要摘要近年来，在非特定人的连续词语音识别技术方面取得了很大进步，人工智能和机器学习已经成为一个非常热门的研究领域。语音识别虽然在理论上的研究已经取得了比较大的进展，但是在实际应用中仍然有很多难点。其中主要包括：第一，在实际应用开发过程中，语音训练样本数量往往比较有限，这将导致模型的参数训练不够充分，

6、从而影响语音识别率。第二，由于环境中往往存在各种噪声，而噪声会对识别结果造成比较大的影响。本文针对以上难点提出了相应的解决方案。针对第一个难点引入了子空间高斯混合模型(SGMM)，针对第二个难点引入了隐马尔可夫(HMM)和人工神经网络(ANN)的混合模型。论文的主要研究内容包括如下：(1)论文介绍了语音识别的基本技术原理，主要包括预加重、加窗分帧和端点检测。针对传统双门限端点检测算法在噪声环境下检测的不足，本文提出了改进的端点检测算法，端点检测的准确率得到了约7%的提高。(2)论文介绍了特征提取中的线性预测系数(LPC)、

7、线性预测倒谱系数(LPCC)和梅尔频率倒谱系数(MFCC)。对LPCC和MFCC做了对比分析，选择了更符合人耳听觉特性的MFCC作为语音识别的特征提取参数。(3)在语音识别的实际应用中，针对语音训练样本数据比较有限导致模型参数训练不够充分的情况，本文引入了SGMM模型，并对HMM+SGMM模型的原理进行了详细的介绍和分析。(4)论文首先针对不同数据量的训练样本对HMM模型和HMM+SGMM模型分别进行了测试，然后对HMM+SGMM模型在噪声环境下进行了测试。实验结果表明：在语音训练样本有限的情况下，引入子空间高斯混合模型是

8、一种有效的模型优化手段；在噪声环境下HMM+SGMM模型仍然具有较好的识别效果；改进的端点检测算法对HMM+SGMM模型仍然适用。(5)针对HMM通常只在无噪声语音环境下具有比较好的识别效果，噪声环境下的语音识别率却较低。论文引入了HMM+ANN混合模型，并对HMM和HMM+ANN模型在信噪比为5-35