基于小波分析和HMM的语音识别模型建立与仿真.pdfVIP

计 算 机 与 现 代 化 2加7年第9期 JISUANJ IYU XIANDAIHUA 总第 145 期 文章编号:1006一475(2叨宁)09戎洲刀2」抖 基于小波分析和HMM的语音识别模型建立与仿真 张 丽，王福忠，张 涛 (河南理工大学电气工程与自动化学院，河南 焦作45粼力3) 摘要:利用隐马尔可夫模型HMM优异的时序建模能力及小波变换可以对信号进行多尺度分析并有效提取信号的局部信 息的特点，建立了混合语音识别模型。在语音信号的识别过程中考虑到了信矛的非平称性，采用并行识别的方法分别获 取分类信息，根据混合模型的识别算法做 出识别决策 减小了系统对环境的依拍性，提高了其 自适应能力。仿真实脸结 果表明，混合模型识别结果比单一HMM模型或小波模型识别结果更佳，提高了整体的识别速度和识别率。 关扭词:语音识别;隐马尔可夫模型(HMM);小波分析;香捧性 中圈分类号:TNglZ.3 文献标识码:A B加bl词腼健过如dsil切1】丽onofs脚劝 R”艰川如nh玉川目R均纽on硒协目et为司班翻出日1孙扭城 ZHANGU，WANGFu一zhong，ZHANGTao (阮koofofElectriea1Engineeri叱andAutomation，HenanPO】yt倪1lllieUnive阳ity，Ji的名uo45月习习3，China) Abstract:App】妇ngdyn帅ictime8equenc emodelingabi lityOfhiddenMarkov盯1司吧1(HMM)即dextract ing 朴 e玉ctivelytha localil而rmationofw日velettxansforln.tl各epaperpresentsahybridsspe哪eecchhreco乡Iltion llKd日.IntheP阴essofidsn听ingt比 voice 1‘即习，cons记eringno。t‘atiol地“tyofphonetio51别己，paraUdidentifieationmethlx如.retised 场 obtaln cl朋sified il谕 rnla- hon，theresultofre叨印litionismadeby曲ing溉昭nition吨orithnl。fthe卜ybridmodel，脚肠ch耐ucesthe叮.tem.de碑川卜n沈 onthee万Ivi~ ntandi改‘p匕田vesit‘臼daptivec日pacity.Recogni住以几experimentsho湘that而sh沙rid伽delhashi目lerperform， 毗el恤nlliddenMarkovm必elinnoisysPe韶hrecogllltion. Keywords:speechrecogllitjon;hiddenMarkov lll以!el;Ware撇 analy的5;mbust 设计实验进行仿真。仿真结果表明，用该模型进行语 0 引 言 音识别，提高了系统在噪声环境下的自适应能力、识 小波变换可以检mlJ语音信号波形上的瞬间突变 别率和鲁棒性。 状态，在对数尺度上将信号分解为相同宽度的频率通 1 基于小波分析和HMM 的语音识别 道组.通过伸缩和平移、分解与重构，可以对信号进行 多尺度分析且有效提取信号的局部信息。另一方面， 模型的建立 隐马尔可夫模型(HMM)具有较强的时序建模能力、 1.1模型总体构成 动态时间归正性能好，建模算法比较完备等优点，它 基于小波分析和HMM的语音识别模型的整体 已广泛用于语音识别中。但HMM方法也有其缺点: 框图如图1所示，整个模型主要由小波模块和HMM 需要语音信号的先验统计知识、分类决策能力弱，不 模块组成。把两者结合的主要原因有:(1)小波变换 能很好地表征语音信号的时域结构