基于HMM与遗传神经网络的改进语音识别系统

发布时间：2017-06-16 15:04

  本文关键词：基于HMM与遗传神经网络的改进语音识别系统，由笔耕文化传播整理发布。

【摘要】：为了解决语音信号中帧与帧之间的重叠,提高语音信号的自适应能力,本文提出基于隐马尔可夫(HMM)与遗传算法神经网络改进的语音识别系统.该改进方法主要利用小波神经网络对Mel频率倒谱系数(MFCC)进行训练,然后利用HMM对语音信号进行时序建模,计算出语音对HMM的输出概率的评分,结果作为遗传神经网络的输入,即得语音的分类识别信息.实验结果表明,改进的语音识别系统比单纯的HMM有更好的噪声鲁棒性,提高了语音识别系统的性能.
【作者单位】： 西安工程大学电子信息学院;
【关键词】： 隐马尔可夫模型 神经网络 语音识别 遗传算法
【分类号】：TN912.34;TP18
【正文快照】： 随着语音识别技术的发展,人们对语音识别的技术要求越来越高,隐形马可夫模型(Hidden MarkovModel,简称HMM),在语音识别中已经广泛得到应用.但是,其自适应能力差,抗噪性也不是十分理想,仅靠单一的HMM进行语音识别存在诸多困难[1,2].而现在广泛应用的人工神经网络(Artifical Neu

【相似文献】

中国期刊全文数据库 前10条

1 汪洪波;;语音识别系统在配送中心的应用[J];信息与电脑;2006年06期

2 杨q，

本文编号：455677