基于神经网络的语音识别鲁棒性研究-管理科学与工程专业论文.docxVIP

山东师范大学硕士学位论文摘要 山东师范大学硕士学位论文 摘要 语音识别技术已经取得令人鼓舞的成就，市场上也出现了许多相对成熟 的语音识别产品，但是大部分语音识别系统仍局限于特定的环境，距离真正 的实用化还相差很远。本文以提高语音识别系统的鲁棒性为目标，进行了相 关的实验和研究。 本文主要内容为语音信号处理，包括特征提取分析和模式识别，介绍国 内外这一领域的研究成果和进展，针对其中的问题提出自己的解决方法和思 想，并实现了一些相关的算法。第一章为引言，介绍论文研究的背景意义和 国内外的研究现状。第二章为研究方法和技术的介绍，主要是神经网络基础 知识。第三章为语音信号的特征提取和分析，介绍了各种常用的语音特征参 数以及特征分析的方法与工具，给出特征提取过程中一些问题的解决方法和 算法，第四章为神经网络识别部分，对语音识别中常用的几种神经网络模型 进行了分析和比较。第五章是论文的总结。 主要内容包含如下： 语音识别的基本概念、发展历史和现状。 人工神经网络的主要原理和概念以及在语音识别中的应用。语音识别系 统一般由特征提取和模式识别这两个模块构成。 特征提取阶段主要使用线性预测编码技术从语音信号中提取特征向量。 采样和量化完成语音信号的数字化过程；语音特征分析分为时域分析和频域 分析，时域分析常用的特征参数有短时平均能量和短时过零率，短时傅立叶 分析、线性预测编码和倒谱分析则是三种常用的频域分析方法；语音信号特 征提取中的端点检测问题以及检测方法的分析}E较；提出清浊音检测问题的 一种解决方法并在基于Matlab的环境下实现了算法，实验分析算法的性能； 分析汉语数字语音的基频和共振峰特征；讨论语音特征参数的噪声鲁棒性和 语音信号的情感特征参数。 山东师范大学硕士学位论文神经网络应用于语音识别的模式识别阶段。首先是网络模型的训练和学 山东师范大学硕士学位论文 神经网络应用于语音识别的模式识别阶段。首先是网络模型的训练和学 习过程，调整好的网络模型就可以应用于识别了。多层感知机以及反向传播 算法在语音识别中应用广泛；时间延迟神经网络可以很好地适应语音信号频 谱参数的时变性，使用的训练算法也是反向传播算法；循环神经网络是一种 既有前馈通路，又有反馈通路的神经网络，这一特点使得循环神经网络具有 良好的连续信号处理性能，一种反向传播算法的变形将用于循环神经网络模 型的学习和训练。 关键词：语音识别：人工神经网络；特征提取；线性预测编码；鲁棒性。 分类号：TP391．9 III 山东师范大学硕士学位论文ABSTRACT 山东师范大学硕士学位论文 ABSTRACT Although speech recognition products are already available in the market at present，their development is mainly based on statistical techniques which work under very specific assumptions，most speech recognition systems are still in their infancy and have problems jf migrated from laboratory to actual applications．Aiming at the robustness of speech recognition system，this dissertation attempts to study,in depth,on the theory and techniques of speech recognition by using the concerned experiments． The structure of the dissertation is as follows：The first chapter gives the research background with$ome known results．The second chapter introduces the basic concepts of this domain．In third chapter,We discuss the feature extraction of the speech signal．The model based the neural network is in forth chapter．The last chapter is the conclusion． Our research is show as follows： A speech recognizer s