人工神经网络技术在语音识别中的应用

人工神经网络技术在语音识别中的应用

张震南

【摘 要】本文对基于人工神经网络的语音识别技术进行了详细分析、讨论,阐述了人工神经网络对语音识别技术的推动作用. 【期刊名称】《甘肃科技纵横》 【年(卷),期】2008(037)004 【总页数】2页(P21,76)

【关键词】语音识别;人工神经网络;混合网络 【作 者】张震南

【作者单位】甘肃政法学院,公安分院,甘肃,兰州,730070 【正文语种】中 文 【中图分类】基础科学

2008~（第 37 卷）第 4 期市息盐水4回谙世盗然~当,,, 人工神经用络扶术在语音识别中的应用张震南（甘肃政法学院公安分院，甘肃兰州 730070) 摘要：本文对基于人工神经网络的语音识别技术进行了详细 分析、讨论，阐述了人工神经网络对语音识别技术的旅动作用。 美幢词：语音识别 人工棉经网络 混合网络0引言 语音识别是计算机通过识别过程把人类语音转变为相应文本的技术，属于多维模式坝、别和智能计算机接口的范畴。目前，具 有代表性的语音iJl.JjlJ方法主要有特征参数匹配法、隐马尔柯夫模 型法以及极具潜力的人工神经网络方法。1 人工神经网络技术在语音识别中的应用1.1人工神经网络简介和基本模型人工神经网络

ANN(Ar曲cial Neural Networks）以类比于生物 神经系统处理信息的方式，采用大量简单的处理单元并行连接而 构成一种复杂的信息处理系统。这种系统具有训练性、高度并行 性、快速判决性、容错性等特点，造用于语音信号的处理。 20世纪 80 年代以来，人工神经网络因其非线性、自适应性、 鲁棒性及学习特性并易于硬件实现等特点受到关注，尤其在语音 识别方面的应用令人瞩目。隐马尔柯夫模型法是语音识别技术的 主流方法，但该方法的缺点是分辨力不够强，人工神经网络方法 具有很强的自组织自学习能力，用于语音识别时具有较强的复杂 边界分辨能力以及对不完全信息的鲁棒性。人工神经网络技术在 语音识别中应用主要以下几个方面：“）缩小建模单元，一般在 音素上建摸，通过提高音素的识别率来提高整个系统的识别率。 (2）对声学模型、听觉模型、大脑运行机制进行深入研究，对话音 信号引进上下文信息，以减少语音多变化的影响。（ 3 ）从语音信号 中提取多种特征，采用混合网络模型（如 HMM+NN ），并应用多种 知识源（音素、词汇、句法、词意），进行语音识别理解研究，以提高 系统的性能。通常语音W.Jltl神经网络分为两类，一类是神经网络或神经网 络与传统的 HMM、DP 相结合的混合网络，另一类是根据人耳听 觉生理学、心理学研究成果建立听觉神经网络模型。听觉模型是以人类昕觉系统的解剖与生理学为基础，在语音 的前处理，信号提取和分析技术以及基于这些技术之上所提出的 听觉信息处理模型，常用的听觉模型有外围听觉模型、同步带模 型、闭环 Elli 模型、包络分析模型和听中枢频谱处理模型。 目前，人工神经网络在复杂性和规模上都不能与人的听觉系 统相比。因此，探讨人工神经网络在语音信号处理中的应用，主要 是从听觉神经模型中得到启发，以便构成具有类似能力的人工系 统，在解决语音识别问题时能得到较好的性能。语音识别中较常 用且有潜力的神经网络模型主要有单层感知器模型 SLP(Single La阳 Perceptron）、多层感知器模型 MLP( Multi-Layer Perceptron ）、 Kohonen 自组织特征映射模型 SOFM （倒f

OrganizationFeatureMapping）、径向基函数神经网络 RBF(R且dial Basis Function）、预测 神经网络 PNN阶ediction Neural Networks）等，其模型概述如下： (1）多层感知器网。多层感知器误差反传网络是采用反向传播算 法的多层感知器神经网络，克服了 HMM 对声学上相似的词易混 淆的缺点，已成功地用于音素识别。一般趋向于用 BP(Back Propagation）网完成静态模式分类，再用 HMM 或 DP 完成时间对 准。（2) Kohonen 自组织特征映射神经网。自组织神经网是基于脑 科学研究中得到的认识提出的。大脑皮层被认为是一种薄层结 构，信息存储在表面，不同区域对应于不同的感知内容，它能在接 收外界信息剌激下，不断传感反射信号，自组织大脑皮层空间的功能。Kohonen 自组织特征映射神经网就是模仿人脑的这种功能 构造的神经网络，它能将多维空间的输入矢量集映射到一个称为 特征图的二维矩阵，而能保持与原训练矢量集近似相同的拓扑结 构。 Kohonen 将特征降维应用于 SOFMf1l，对芬兰语的 21 个音素实 现了声控打字机。（3 ）预测神经网络。预测神经网络把感知器作为 模式预测器而不是模式分类器来用，是佣年代新兴的一种神经 网络语音识别方法，具有很强的建模能力，可用于大词汇量、连续 语音、非特定人的语音识 Ujlj研究上。它的特点可概括为充分利用 语音模式中的时间相关性作为识别的线索；用 DP 法对语音信号 进行时间规正；基于动态规划和反向传播能够找到一种优化算 法：容易增加新的识别类等。此外，为了使神经网络反映出语音信号的动态时变特性，还 有时延神经网络 TDNNσime Delay Neural Networks）、循环神经网 络RNN(R回山白，ntNe飞』昕觉神经网络、BP 网络、时延神经网络、自组织特征映射、学习矢 量量化和神经预测网络进行了详细分析、讨论，指出了它们各自 的优缺点，为在以后的研究中找到对语音信号更强有力的神经网 络模型，更适宜的激活函数，更高速有效的学习算法和更合理的 结构做了理论铺垫。1.2人工神经网络和传统方法的结合在语音识别中的应用 采用人工神经网络技术进行语音识别的过程包网络学习过 程和