基于神经网络的语音识别技术研究与实现-计算机系统结构专业论文.docx

万方数据 万方数据 独 创 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，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 摘 要 摘 要 语音识别技术自诞生以来就对人类的生活方式产生了深远的影响，因此语音 识别技术一直以来都是世界各地学者们深入研究的热点。目前语音识别广泛采用 动态时间规整(DTW)技术和基于概率统计原理的隐马尔可夫模型(HMM)技术，将 人工神经网络(ANN)应用于语音识别是近年来提出的一种较新的研究方法。语音是 一个复杂的非线性过程，因此基于非线性理论，具有自适应性、并行性、鲁棒性 容错性和学习性等特点的人工神经网络技术逐渐成为时下语音识别新的研究方 向。本文以神经网络中使用率最高的 BP 网络为模型，初步探索了其在语音识别领 域中的应用。本文的研究内容和成果如下： 首先，从语音识别的层次模型和系统模型上分析了语音识别的基本原理。研 究了语音预处理的整个流程，包括对原始语音信号的采集、预加重、分帧加窗和 端点检测，并探讨了不同语音特征值的获取方法，重点分析了美尔频率倒谱系数 (MFCC)的提取流程。 其次，介绍了人工神经网络的基本结构和特点，并重点分析了三层前馈型误 差反向传播(BP)网络，给出了其标准算法的推导过程，分析了该算法存在的缺陷和 不足，并在前人研究的基础上做出了对神经元传输函数进行调整的改进。具体方 法是通过向 tan-sigmoid 激活函数引入温度系数和位置系数从而使网络参数信息更 加丰富，加快收敛速度，给出了改进算法的推导过程。在改进的 BP 算法中引入了 动量因子，并且采用批处理的训练方式，通过一个简单的函数逼近实验验证了改 进算法的有效性。 最后，通过 matlab 和 vs 开发了一个基于 BP 神经网的语音识别仿真系统，使 用自录的语音完成对系统的训练和识别。在系统中采用了一种时间规整算法，用 来对提取的特征参数进行压缩合并，以满足后端 BP 神经网络对输入数据维数相同 的要求。通过实验可以得出如下结论：改进过后的学习算法在识别率和收敛速度 上均要优于传统的 BP 训练算法；基于人耳听觉模型的美尔频率倒谱系数识别效果 要好于基于说话模型的线性预测倒谱系数；BP 网络隐含层神经元的个数对系统识 别率有较大的影响，需要通过实验来确定最佳取值。 关键词：语音识别，人工神经网络，反向传播算法，传输函数 I ABSTRACT ABSTRACT The speech recognition technology has had a profound impact on human’s way of life since it comes out and thus has always been the focus of scholars from all over the world. At present, the dynamic time warping technology and Hidden Markov model, based on the principle of probability and statistics are widely used in speech recognition, while using artificial neural network in speech recognition is a relatively new research methods proposed in recent years. Speech signal is a complex nonlinear process. Therefore, artificial neural network based on the nonlinear theory which has self-adaptability, parallelism, robustness, fault tolerance an