經(jīng)驗(yàn)?zāi)B(tài)分解及深度信念網(wǎng)絡(luò)在語音識(shí)別中的應(yīng)用研究.pdf

1、隨著智能化應(yīng)用和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，語音識(shí)別作為一種便捷有效的人機(jī)交互方式，其重要性顯得愈發(fā)突出。但由于語音發(fā)聲環(huán)境的復(fù)雜多變和人類語言的巨大口音差異，語音識(shí)別的準(zhǔn)確率面臨較大的困難，難以使相應(yīng)的語音產(chǎn)品達(dá)到用戶預(yù)期的體驗(yàn)效果。若要使語音識(shí)別技術(shù)取得突破，必須在語音識(shí)別的基礎(chǔ)理論上進(jìn)行不斷的完善和創(chuàng)新。
　　由于語音信號(hào)是典型的非線性和非平穩(wěn)信號(hào)，而傳統(tǒng)的語音處理方法如傅立葉變換，小波變換等都是假設(shè)信號(hào)為短時(shí)平穩(wěn)，故得到的諸多結(jié)

2、論也勢必破壞有用信息的分析和提取。本文以此為背景，在闡述了語音識(shí)別基礎(chǔ)知識(shí)的前提下，著重研究了不同信噪比環(huán)境下的語音端點(diǎn)檢測算法和基于深度信念網(wǎng)絡(luò)的孤立詞語音識(shí)別系統(tǒng)。
　　本文的主要研究內(nèi)容和創(chuàng)新成果如下：
　　(1)在深入探討了傳統(tǒng)語音處理方法的局限性基礎(chǔ)上，本文著重研究了經(jīng)驗(yàn)?zāi)B(tài)分解這一新型信號(hào)處理方法，并對其適用于非線性非平穩(wěn)信號(hào)的特點(diǎn)進(jìn)行了算法驗(yàn)證。
　　(2)針對傳統(tǒng)語音端點(diǎn)檢測算法存在對含噪語音信號(hào)檢測準(zhǔn)

3、確率不高的問題，本文提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解和復(fù)合能量的語音端點(diǎn)檢測新算法。該算法首先利用經(jīng)驗(yàn)?zāi)B(tài)分解將語音信號(hào)分解成一組固有模態(tài)函數(shù)和一個(gè)剩余量，并濾除含有較多噪聲的低階固有模態(tài)函數(shù)，將剩余的固有模態(tài)函數(shù)重構(gòu)成語音信號(hào)。然后利用Teager能量對噪聲幅度的壓縮作用，計(jì)算每幀重構(gòu)語音信號(hào)的Teager能量，與短時(shí)能量加權(quán)，得到每幀信號(hào)的復(fù)合能量。最后將每幀信號(hào)的復(fù)合能量與自適應(yīng)閾值進(jìn)行比較，得到信號(hào)的起止點(diǎn)。通過仿真實(shí)驗(yàn)驗(yàn)證了算法的有

4、效性，與傳統(tǒng)的基于短時(shí)能量和短時(shí)過零率的雙門限法相比，該算法體現(xiàn)了在低信噪比環(huán)境下的優(yōu)越性。
　　(3)針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在語音識(shí)別中存在訓(xùn)練速度慢，易陷入局部極小值的缺點(diǎn)，本文設(shè)計(jì)一種基于深度信念網(wǎng)絡(luò)的孤立詞語音識(shí)別系統(tǒng)。該系統(tǒng)首先對限制玻爾茲曼機(jī)模型(RBM)進(jìn)行單獨(dú)訓(xùn)練，并將第一個(gè)訓(xùn)練好的RBM模型的輸出作為第二個(gè)RBM模型的輸入，繼而單獨(dú)訓(xùn)練，直至訓(xùn)練完最高層的RBM。然后將所有訓(xùn)練好的RBM堆疊成深度信念網(wǎng)絡(luò)，并利用反向傳