语音识别中HMM与自组织神经网络结合的混合模型.pdfVIP

1999年 　4 月 东 北 大 学 学 报 ( 自 然 科 学 版 ) Apr. 1 9 9 9 第20 卷第2 期 Journal of Northeastern University (Natural Science) Vol 20 ,No. 2 语音识别中 HMM 与自组织 神经网络结合的混合模型 李晶皎 　孙 　杰 　张 　俐 　姚天顺 ( 东北大学信息科学与工程学院 ,沈阳　110006) 摘 　要 　基于隐马尔可夫模型和自组织神经网络模型提出了一种用于语音识别的混合模型 ,给出 了训练调整权向量的算法 ,实验结果表明其在语音识别中具有很好的性能 · 关键词 　隐马尔可夫模型 , 自组织神经网络,语音识别 · 分类号 　TP 391 目前国内外语音识别系统大多采用隐马尔可 将 SONN 改进后用于 HMM 语音识别中 ,并 ( ) [1～3 ] 夫模型 HMM ,hidden Markov models ,其特 利用 SONN 能够确定样本空间概率聚类中心的 点是考虑了模式的时序变化 ,是一种基于时序累 自组织能力对语音进行识别, 具体方法是将 积概率的动态信息处理方法 在训练和识别中 ,一 HMM 中所有状态累积概率 · 个 HMM 参数由同类模式的训练样本集得到 ,每 c o p　 h x = x 1 , x 2 , …, x L = 一类模式对应一个 HMM , 当需要学习某一新模 1 1 k α ( ) α ( ) α ( ) p T 1 , …, T N h , …, T 1 , …od, 式时 ,只需修正与该模式相对应类别的 HMM ,无 ( ) 须改变其它类别的 HMM , 具有较好的学习和再 1 学习的能力 HMM 方法的不足之处是仅考虑了 · 作为自组织神经网络分类器的输入特征, 其 特征的类内变化 ,而忽略了特征的类间重叠性 ,仅 中 k 为所要识别的语音基元个数, k = { 1 , 2 , …,