基于RBF神經(jīng)網(wǎng)絡的語音識別研究.pdf

1、語音識別由于其重要的理論價值與廣闊的應用前景，受到人們的廣泛重視。到目前為止，語音識別研究大部分以線性系統(tǒng)理論為基礎，隨著研究的逐步深入，發(fā)現(xiàn)語音識別若要取得突破，必須引入非線性理論的方法。從20世紀80年代開始，隨著人工神經(jīng)網(wǎng)等非線性理論研究和應用的逐漸深入，將這些理論應用于語音識別成為可能。RBF(Radial BasisFunction, RBF)神經(jīng)網(wǎng)絡為多層前饋式神經(jīng)網(wǎng)絡的學習提供了一種新穎而有效的手段，它的研究和應用在近年來

2、得到了迅速的發(fā)展。 本文基于RBF神經(jīng)網(wǎng)絡，對語音識別的預處理、特征提取與識別算法等環(huán)節(jié)進行了計算驗證，性能分析和結果評述。 基本的RBF神經(jīng)網(wǎng)絡是一種三層前饋網(wǎng)絡，其收斂速度大大高于一般的BP網(wǎng)絡，且網(wǎng)絡拓撲可以在算法中確定。設計中存在的主要問題包括隱層神經(jīng)元數(shù)、中心和半徑的確定，以及網(wǎng)絡權值的訓練。本文采用的網(wǎng)絡構建方法為：采用競爭算法和聚類算法相結合的混合算法動態(tài)選擇隱層神經(jīng)元數(shù)；用梯度下降法找出使代價函數(shù)最小的權

3、值參數(shù)；從節(jié)省資源的角度出發(fā)，本文采用了Akaike的最終預報誤差標準FPE刪除那些對網(wǎng)絡輸出貢獻較小的節(jié)點以取得網(wǎng)絡精度與復雜度的平衡，直至FPE 不再下降，停止篩選并計算網(wǎng)絡最優(yōu)權值，從而得到了一個合理的網(wǎng)絡。另外還實現(xiàn)常用的迭代法、隨機固定法訓練的徑向基網(wǎng)絡結構和概率神經(jīng)網(wǎng)絡結構。 文中用雙門限法端點檢測后用Mel 頻率倒譜系數(shù)MFCC提取語音特征參數(shù)，動態(tài)時間規(guī)整后輸入構建好的RBF網(wǎng)絡結構，用訓練數(shù)據(jù)進行學習網(wǎng)絡，網(wǎng)絡