基于神经网络的语音识别鲁棒性研究.pdf

基础及前沿研究 中国科技信息2008年第5期 基于神经网络的 语音识别鲁棒性研究 朱海涛 山东省东营市东营职业学院 257091 摘 要 1.研究背景和意义 些在实验环境下未曾考虑到的问题。方 语音识别技术已经取得令人鼓舞的成就，市 言和口音、背景噪音和口语就是语音识 场上也出现了许多相对成熟的语音识别产 语音识别以语音为研究对象，它是语 别在实际应用中遇到的三个难题，这三 品，但是大部分语音识别系统仍局限于特定 的环境，距离真正的实用化还相差很远。本 音信号处理的一个重要研究方向，是模式 个方面的问题直接影响到语音识别系统的 文以提高语音识别系统的鲁棒性为目标，进 识别的一个分支，涉及到生理学、心理学、 鲁棒性、灵活性和自适应性，从而也阻 行了相关的实验和研究。 语言学、计算机科学以及信号处理等诸多 碍了语音识别的进一步发展和推广应用 关键词 [1] 领域，甚至还涉及到人的体态语言 （如人 。这些问题是实现自然状态人机语音交 语音识别；人工神经网络；特征提取；线 在说话时的表情、手势等行为动作可帮助 流所亟需解决的。 性预测编码；鲁棒性 对方理解），其最终目标是实现人与机器进 人工神经网络可以构造出类似人类神 Abstract 行自然语言通信。 经元的模型，从而在语音识别上使计算机 Although speech recognition products are already 语音识别是实现人机语音交互中的一 具有近似人的智能。神经网络还能进行大 available in the market at present, their development 规模的并行处理和分布式的信息存储，具 is mainly based on statistical techniques which work 项关键技术，具有广阔的应用前景。 under very specific assumptions, most speech recognition 应用背景及学科基础如图1所示。 有良好的自适应性、自组织性以及很强的 systems are still in their infancy and have problems 目前，对于理想环境下的语音数据语 学习能力、联想能力和容错能力。这些能 if migrated from laboratory to actual applications. 音识别系统已经达到很好的性能，然而在 力是传统的模型所不具备的，将神经网络 Aiming at the robustness of speech recognition system, 我们实际的应用环境下不可避免地遇到一 与传统的识别方法结合起来，可以很明显 this dissertation attempts to study, in depth, on the theory and techniques of speech recognition by using the concerned experiments. Key words Speech recognition; Artificial neural network; Feature extraction; Linear predictive coding; Robustness