免疫粒子群改进lbg孤立词语音识别算法探究

《免疫粒子群改进lbg孤立词语音识别算法探究》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、免疫粒子群改进LBG孤立词语音识别算法探究　　摘要：语音识别技术已在通信及控制等领域得到广泛应用，针对孤立词语音识别矢量量化中LBG算法对初始码书选择敏感，容易陷入局部最优、泛化能力不强的缺点，将免疫粒子群优化算法（IPSO）和LBG算法结合进行聚类分析，从而得到基于IPSO-LBG的码书设计方法，并将其用于基于离散隐马尔可夫模型（DHMM）的孤立词语音识别系统中。通过实验，与传统LBG算法的DHMM孤立词语音识别系统的识别结果相比，证明了改进的系统有较好的识别率和适应性。关键词：孤立词识别免疫粒子群优化LBG算法DHMM中图分类号：T

2、N912.34文献标识码：A文章编号：1007-9416（2013）01-0111-03语音识别是一项极具魅力且大有作为的新兴技术，其涉及语音语言学、生理心理学、信号处理及计算机科学等众多学科。该技术的目标主要是利用人机接口来实现人与机器的直接对话，并能够使机器根据人的语音执行各种相应的命令。作为语音识别的一个分支，孤立词语音识别已广泛应用于移动通信中的查询和语音拨号、汽车导航中的语音控制、语音检索等[1][2]，具有重要的理论研究意义和实际应用价值。11然而，很多应用产品的效果仍不够理想，如识别率低、语音库词汇量少、识别速度慢等都严重

3、制约着语音识别技术在生产生活中的推广应用。目前，语音识别中运用较多的是隐马尔科夫模型（HMM）、矢量量化（VQ）、动态时间规整（DTW）、人工神经网络（ANN）以及支持向量机（SVM）等方法[3]。其中，HMM和VQ在孤立词语音识别中应用较为成功。在HMM的孤立词识别系统中，首先是提取用于训练的语音特征矢量，然后对其进行矢量量化。矢量量化中，用LBG算法训练得出矢量量化器，再用矢量量化器量化训练参数。最后，训练参数进入HMM语音识别系统中进行训练识别。但是，经典的LBG算法对初始码书的选取较为敏感，易陷入局部最优[4]。因此，本文运用免

4、疫粒子群优化（IPSO）算法改进LBG初始码书设计，并通过HMM语音识别系统进行实验测试。实验结果证明，该方法极大的提高了系统的识别率，具有一定的可行性。1DHMM孤立词语音识别方法隐马尔可夫模型作为一种语音信号处理中广泛运用的统计模型，可实现双重随机过程[5]，既可以描述直接观测到的信号瞬态特征，又可以描述隐含在观测序列中的动态特征。HMM分为离散HMM（DHMM）、半连续HMM（SCHMM）和连续HMM（CHMM）三种[6]。本文中侧重孤立词语音识别研究，鉴于DHMM输出离散分布概率，实现时所需的计算量以及存储量都较小，因此选用DH

5、MM模型（图1）。11DHMM语音识别的系统框图如图1所示。假设为一个观察序列，为HMM参数组，DHMM语音识别过程需要进行如下三步：（1）给定模型的条件下，计算得出观测序列的概率；（2）选择一个最优的状态序列来表达观测序列；（3）通过调整模型参数，以使最大。在DHMM孤立词语音识别中，要计算观测序列对模型的概率，可以使用Baum-Welch算法和Viterbi算法[7]。Baum-Welch算法用于计算所有可能状态序列所对应概率，Viterbi算法用于计算最大似然状态序列对应的概率。它们均是动态匹配过程，计算观测序列与模型之间的最佳匹

6、配，两种算法具有几乎相同的计算量。但是Viterbi算法能将浮点乘法转为定点加法，还能将概率对数化，从而能够提高识别的速度。本文的DHMM的语音识别系统采用Viterbi算法来进行识别。2免疫粒子群优化（IPSO）算法Kennedy和Eberhart通过研究鸟群捕食行为，在1995开发了一种仿生进化算法——粒子群优化（PSO）算法[8]。PSO算法和其他优化算法相似，运用群体进化的方式，假设单个粒子无体积无重量，以一定速度在搜索空间中飞行。根据自身及群体的飞行经验，空间中的粒子不断调整自身的飞行速度，通过调节并改变飞行方向和距离，在空间

7、中根据最优粒子的位置进行搜索，经过不断迭代获得最优解。11在PSO算法中，假设一个D维搜索空间，群体由N个粒子组成。在聚类过程中，先对这群粒子随机初始化。在迭代过程中，通过跟踪个体最优值和全局最优值的变化，每个粒子不断更新自己的位置及速度。设第个粒子的速度为，第个粒子的位置为，则粒子优化计算如下式：（1）（2）式中，、是对应的学习因子，取值通常为2，和取[0，1]间的随机数，代表惯性权重，其取值将影响算法的收敛性，取值太大会导致算法不收敛，因此权重大小的选择很重要。设第个粒子为最优位置，在求解最小化问题时，目标函数值越小，则适应度就越好

8、，则个体最优值：（3）设目标函数为，为所有粒子搜索到的位置最优值，则有全局最优值：（4）式中，、、和分别表示第次迭代过程中，粒子在第维的速度、位置、个体最优位置和整个种群的全局最优位置。在进化的过程中，为了