资源描述：
《一种改进的基于小波去噪HMM非特定人语音识别算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、2007年2月四川大学学报(自然科学版)Feb.2007第44卷第1期JournalofSichuanUniversity(NaturalScienceEdition)Vol.44No.1文章编号:049026756(2007)0120069204一种改进的基于小波去噪HMM非特定人语音识别算法李锦,何培宇(四川大学电子信息学院,成都610064)摘要:在HMM算法的基础上引入了小波去噪理论,从而提高了原始语音的信噪比和最终识别率.由于分别对每段语音去噪并进行端点检测,大大降低了运算量,因而减少了训练时间,达到了较好的识别效果.通过与DTW算法的对比,证明了改进的HMM算法在非特定人
2、语音识别中的良好效果.关键词:HMM;非特定人语音识别;小波去噪中图分类号:TP334文献标识码:AAnimprovedalgorithmforHMMspeaker2independentspeechrecognitionbasedonwaveletdenoisingLIJin,HEPei2yu(CollegeofElectronicandInformation,SichuanUniversity,Chengdu610064,China)Abstract:ThetheoryofwaveletdenoisingisappliedinthehiddenMarkovmodel(HMM)al
3、gorithm,whichen2hancesthesignal2to2noiseratio(SNR)andrecognitionaccuracy.Bydenoisingandendpointsdetectingineachspeech,bothcomputationalloadandtraining2timearereduced,andtherecognitionperformanceisimproved.Comparedwiththedynamictimewarping(DTW),theimprovedHMMalgorithmhasabetterrecognitionper2for
4、manceinspeaker2independentspeechrecognition.Keywords:HMM,speaker2independentspeechrecognition,waveletdenoise采用统计的训练方法将底层的声学模型和上层的语1引言言模型结合到统一的语音识别搜索算法中.目前,基隐Markov模型HMM(HiddenMarkovMod2于HMM的语音识别算法是主流研究方向.我们采[1]els),是20世纪80年代在语音识别领域的重大发用了一维小波分析先对语音信号去噪,再利用改进展,一方面用隐含的状态来对应声学层相对稳定的算法进行端点检测,建立CDHMM
5、进行识别,达到发音单位,并通过状态转移和状态驻留描述发音的了很好的识别效果.基本模型如图1所示.变化;另一方面引入了概率统计模型,用概率密度函2非特定人语音识别—HMM方法数计算语音特征参数对HMM模型的输出概率,通过搜索最佳状态序列,以最大后验概率为准则找到2.1识别原理识别结果.它较为完整地表达了语音的声学模型,并HMM其动态时间序列建模能力很强,在训练收稿日期:2006203227.作者简介:李锦(1982-),男,2004级硕士研究生,研究方向为数字信息处理.70四川大学学报(自然科学版)第44卷图1语音识别模型Fig.1Themodelofspeechrecognition
6、和识别时计算量小,因此在孤立词识别,连接词识别列对HMM模型的输出概率.利用前向-后向算法2以及连续语音识别方面获得了很好的识别效果.可以解决,是一种格型结构,计算量大约在NT数HMM模型可分为离散隐马尔可夫模型(DHMM),量级.N为状态数,T为观察时刻.连续隐马尔可夫模型(CDHMM)和半连续隐马尔可2.3.2状态序列解码问题给定观察序列和夫模型(SCHMM).一般情况下,在训练数据时,HMM模型,通过Viterbi识别算法确定一个最优的CDHMM优于DHMM和SCHMM.基本的HMM状态转移序列.Viterbi算法是广泛用于通信领域的语音识别系统原理框图如图2所示.动态规划算法
7、,它不仅可以找到一条“最优”的状态转移路径,还可以得到该路径所对应的输出概率.为减少计算量,通常采用对数形式的Viterbi算法.2.3.3模型参数的估计问题利用Baum2Welch算法训练模型参数,使观察序列对HMM模型的输出概率最大.Baum2Welch算法主要是利用极大似然ML准则对初始化的HMM模型参数进行重估,即图2HMM语音识别系统原理对同一条命令用不同的人说多次,分别计算各自的Fig.2BlockdiagramofHMMspeechrecog
