基于HMM和PNN的混合语音识别模型研究

摘要

语音识别是一门集语言学、信号处理、计算机技术于一身的综合性学科。其广阔的应用前景，广泛的应用领域使大量的科学研究人员长期以来一直关注着它，并投入大量精力对其进行研究。其中基于HMM优秀的时域建模能力以及ANN强大的分类能力的理论研究已在语音识别领域取得了出色的表现。
　　本文对现有语音识别技术的发展进行了分析，详细介绍了语音识别的基本理论，包括组成、分类、预处理、特征提取以及双门限检测法等常用方法。并对线性预测倒谱系数和Mel频率倒谱系数的原理及提取过程做了较深入的研究。
　　重点对HMM模型和PNN的原理及其在语音识别中的应用进行了研究，并就其各自的识别特性与优缺点进行了分析比较。将HMM强大的时域建模能力和PNN优秀的分类能力相互补偿，提出了基于HMM和PNN的混合模型和算法，即使用VQ作为HMM的前端，对二次提取后的LPCC参数和MFCC参数进行矢量量化，将量化后的结果作为HMM的输入。在此基础上通过Viterbi解码产生的状态转移积累输出作为PNN的输入，由PNN输入得到最终的识别结果。
　　本文在Matlab7.0环境下对HMM和HMM/PNN模型进行了特定人、非特定人识别仿真，并在加噪的条件下对两种模型的识别率进行了比较。由仿真得到的识别数据可证明，与传统的HMM相比，该混合模型的识别性能更优，在抗噪性能上也优于HMM。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究的意义

1.2国内外研究现状

1.3语音识别的研究难点

1.4本文章节安排

第2章 语音识别基础理论知识

2.1概述

2.2语音识别的分类

2.3 语音的产生与感知

2.4语音信号的声学模型

2.5语音识别系统的基本组成

2.6 常用语音识别方法

2.7本章小结

第3章 隐马尔可夫模型与概率神经网

3.1隐马尔可夫模型

3.2 概率神经网

3.3本章小结

第4章HMM/PNN结合的语音识别系统

4.1 HMM与PNN的结合构想

4.2隐马尔可夫模型与概率神经网混合模型的实现及仿真

第5章 仿真结果与分析

5.1实验结果比较

5.2 本章小结

结论

参考文献

致谢

作者简介

攻读硕士学位期间发表的论文和科研成果