基于蟻群算法的語音識別系統(tǒng)的研究.pdf

1、語音識別的研究工作始于上個世紀50年代，至今已經(jīng)形成了完整的理論體系，目前語音識別的研究也已經(jīng)進入了商品化階段，基礎性理論相當完善，各種各樣的產(chǎn)品也相繼涌現(xiàn)。然而語音識別在實現(xiàn)過程中通常涉及多種因素，需要同時考慮，并且它作為一門交叉學科，涉及到了信號處理、模式識別、人工智能、計算機科學、語言學和認知科學等眾多學科，所以語音識別距離理想目標仍有很大距離，相關的技術難關還有待克服。 本文對語音識別的主要過程進行了詳細的介紹。語音識別

2、首先對輸入的語音信號必須進行預處理，以保證系統(tǒng)獲得一個比較理想的處理對象。在語音的特征參數(shù)提取階段，文中介紹了在實際應用中常用到的特征參數(shù)：線性預測倒譜參數(shù)(LPCC)、Mel頻率倒譜參數(shù)(MFCC)等。在識別階段，介紹了基于矢量量化的識別技術以及動態(tài)時間歸整的識別技術(DTW)。在此基礎上，引入了蟻群算法的基本原理。 蟻群算法是最新發(fā)展的一種模擬昆蟲王國中螞蟻群體智能行為的仿生優(yōu)化算法，它具有較強的魯棒性、優(yōu)良的分布式計算機制

3、、易于與其他方法相結(jié)合等優(yōu)點。蟻群算法作為一種新的用于解決復雜優(yōu)化問題的全局搜索方法，已經(jīng)成功應用于求解TSP問題、調(diào)度問題、指派問題等，顯示出了蟻群算法在處理復雜優(yōu)化問題方面的優(yōu)越性。 本文利用蟻群算法優(yōu)化機制，結(jié)合傳統(tǒng)的DTW算法，提出了一種新的基于蟻群算法的動態(tài)時間規(guī)劃算法來搜索語音信號特征參數(shù)序列之間匹配的全局最優(yōu)路徑，進而以此衡量語音信號之間的相似度，從而使系統(tǒng)的識別效果有了進一步的提高。 文中最后對新的語音識