一种新的HMM/SVM混合语音识别模型

发布时间：2021-01-04 22:50

　　提出了一种新的基于隐藏马尔可夫（HMM）和支持向量机（SVM）的混合HMM/SVM模型。该模型利用HMM完成语音时间序列建模,计算得到信息输出概率,输入SVM中进行学习,输出语音分类信息,以完成识别决策。在此模型基础上,设计了一种基于并行结构蛙跳搜索算法（PSFL）优化SVM参数的方法以提升噪声环境下的语音识别效率。PSFL改进蛙跳搜索算法的循环主体,能够在寻优过程中维持个体多样性和提高收敛速度。实验结果表明,PSFL具有更优的收敛速度和优化性能,混合SVM/HMM模型在干净和噪声环境均能够获得很好的语音识别效率。 

【文章来源】：控制工程. 2016年11期 北大核心

【文章页数】：6 页

【参考文献】：
期刊论文
[1]基于在线LS-SVM的逆模/PID复合控制[J]. 范玉刚,张亚雄,吴建德,黄国勇,王晓东.  控制工程. 2014(06)
[2]认知无线电中的量子蛙跳频谱分配[J]. 高洪元,曹金龙.  应用科学学报. 2014(01)
[3]基于语音特征聚类的HMM语音识别系统研究[J]. 姚敏锋,李心广,杨佳能.  微计算机信息. 2012(10)
[4]基于HMM的多态系统状态识别模型研究[J]. 黄景德,郝学良,王明.  测试技术学报. 2012(02)
[5]一种基于小生境遗传算法的SVM参数优化方法[J]. 秦涵书,魏延,曾绍华.  重庆理工大学学报(自然科学). 2011(12)
[6]基于改进KPCA的语音特征提取方法[J]. 张君昌,陈媛媛.  计算机仿真. 2011(06)
[7]改进的HMM和小波神经网络的抗噪语音识别[J]. 肖勇,覃爱娜.  计算机工程与应用. 2010(22)
[8]基于Microsoft Speech SDK的语音关键词检出系统的设计和实现[J]. 林茜,欧建林,蔡骏.  心智与计算. 2007(04)
[9]基于汉语语音音位的HMM建模方法[J]. 何珏,刘加.  清华大学学报(自然科学版). 2007(04)
[10]基于支持向量机的语音情感识别(英文)[J]. 王治平,赵力,邹采荣.  Journal of Southeast University（English Edition）. 2003(04)



本文编号：2957510