語(yǔ)音識(shí)別系統(tǒng)中特征選擇及多分類(lèi)器融合技術(shù)研究.pdf

1、語(yǔ)音識(shí)別技術(shù)就是為了實(shí)現(xiàn)讓計(jì)算機(jī)聽(tīng)得懂人說(shuō)的話(huà)，并能做出相應(yīng)的回饋，語(yǔ)音識(shí)別是實(shí)現(xiàn)人機(jī)交互最重要的一步。語(yǔ)音識(shí)別系統(tǒng)通常分為預(yù)處理、特征提取、分類(lèi)器的設(shè)計(jì)、模板匹配四個(gè)步驟。通過(guò)預(yù)處理得到更清晰的語(yǔ)音信息，提取能夠反映語(yǔ)音本質(zhì)的特征以及設(shè)計(jì)精度更高的分類(lèi)器，都對(duì)語(yǔ)音識(shí)別的性能具有重要影響。
　　 本文針對(duì)非特定人孤立詞的語(yǔ)音識(shí)別系統(tǒng)，分別從語(yǔ)音特征選擇與多分類(lèi)器融合的角度對(duì)語(yǔ)音識(shí)別技術(shù)進(jìn)行研究，并取得了以下成果：
　　

2、(1)基于粗糙集理論的屬性約簡(jiǎn)算法對(duì)語(yǔ)音特征進(jìn)行研究，提出了一種基于粗糙集理論的語(yǔ)音特征選擇方法，并通過(guò)特征選擇得到了一組語(yǔ)音特征。實(shí)驗(yàn)結(jié)果表明，這種語(yǔ)音特征選擇方法有效地降低了特征的維數(shù)，使用選取到的語(yǔ)音特征，可以得到較好的識(shí)別效果，從而驗(yàn)證了此特征選擇方法的有效性。
　　 (2)提出一種基于多分類(lèi)器融合的語(yǔ)音識(shí)別方法，該方法使用SVM，RBF神經(jīng)網(wǎng)絡(luò)與貝葉斯網(wǎng)絡(luò)作為成員分類(lèi)器，根據(jù)樣本庫(kù)中抽取的校驗(yàn)集計(jì)算各成員分類(lèi)器的權(quán)值，

3、以加權(quán)評(píng)分的投票策略進(jìn)行決策融合。實(shí)驗(yàn)結(jié)果表明，通過(guò)多分類(lèi)器融合的識(shí)別結(jié)果明顯優(yōu)于單個(gè)分類(lèi)器，從而驗(yàn)證提出的多分類(lèi)器加權(quán)融合的方法是一種有效的語(yǔ)音識(shí)別方法。
　　 (3)設(shè)計(jì)了一個(gè)非特定人孤立詞的語(yǔ)音識(shí)別實(shí)驗(yàn)系統(tǒng)。該系統(tǒng)具有語(yǔ)音樣本采集、預(yù)處理、特征提取與組合、模型訓(xùn)練、語(yǔ)音識(shí)別的功能。即將采集到的語(yǔ)音信息進(jìn)行后臺(tái)處理，最終得到一組特征向量，并導(dǎo)入分類(lèi)器中與訓(xùn)練模型進(jìn)行比對(duì)，最終得到識(shí)別結(jié)果。而對(duì)樣本庫(kù)的訓(xùn)練樣本事先進(jìn)行離線處理