神经网络语音识别的研究及进展

论述了在语音识别中听觉神经网络模型，ＢＰ网络，时延神经网络，自组织影射，学习矢量量化和神经预测网络的优缺点及神经网络语音识别的发展动态。     

无线电报务训练装置设计

针对以往无线电报务训练装置硬件成本要求高和码字识别率低等问题,设计了一种基于PC的无线电报务训练装置,它具有发报和收报训练功能,对码字识别效率较高。同时,在码字识别算法上,采用了快速傅里叶变换(FFT)算法对装置进行频域识别,有效提高了抗干扰性。分别采用最大类间方差法和机器学习法,有效提高了码字识别的适应能力和准确性。     

哈德码变换域等均值等方差最近邻矢量量化码字搜索算法

本文提出一种基于哈德码变换的等均值等方差最近邻(HTEENNS)快速矢量量化码字搜索算法.在编码前,该算法预先计算每个码字的哈德码变换,然后根据各码字哈德码变换的第一维系数大小的升序排列对码字进行排序.在编码过程中,首先计算输入矢量的哈德码变换和方差,然后选取与输入矢量哈德码变换的第一维系数最近的码字作为初始匹配码字,然后利用两条有效的删除准则在该码字附近进行上下搜索与输入矢量最近的码字.测试结果表明,本文算法比等均值最近邻搜索算法(ENNS)、等均值等方差最近邻搜索(EENNS)算法和哈德码变换域部分失真搜索算法等算法有效得多.     

计算机语音信号处理与语音识别系统

对计算机语音处理和对单个数码字识别的实现进行了探讨。根据汉语语音的特点，以汉语单音字作为识别对象，对１０个数码字识别进行了研究和实验。通过观察和分析语音信号的时域特性（主要是短时帧能量、短时过零率和帧能量差），并把它们应用于语音端点检测，为系统的建立做了基础准备。选用了语音信号的功率谱差的特征，进行了模板的建立与识别实验。测试结果表明，该系统性能较稳定，单个数码字识别率可达９８．６％，说话人识别率     

基于ANN的汉语数字语音识别

本文介绍了在语音识别中使用人工神经网络（ＡＮＮ）构成识别系统的新方法，分析了它与传统识别方法的不同及优越性，并以ＢＰ网络构成不定人汉语数字语音识别器，通过计算机模拟实验表明，其识别性能明显优于同样条件下ＨＭＭ识别器，证明了用ＡＮＮ进行语音识别是一种很具吸引力有发展前途的新方法。     

基于ANN的汉语数字语音识别

本文介绍了在语音识别中使用人工神经网络构成识别系统的新方法，分析了它与传统识别方法的不同及优越性，并以ＢＰ网络构成不定人汉语数字语音识别器，通过计算机模拟实验表明，勘误别性能明显优于同样条件下ＨＭＭ识别器，证明了用ＡＮＮ进行语音识别是一种具吸引力有发展前途的新方法。     

一种改进的BP神经网络模型及其在语音识别中的应用

提出了一种改进的ＢＰ神经网络模型，即多层双并联神经元可学习的人工神经网络，给出了相应的算法。并以异或问题和对称性检测问题为题，对改进算法和传统算法的优缺点进行了比较；对改进的ＢＰ网络在孤立单字语音识别应用作了初步探讨。     

说话人语音特征子空间分离及识别应用

本文依据主元分析原理从语音特征观察空间分离说话人语音特征子空间,对输入语音特征矢量与子空间的距离测度进行了定义,并对基于特征子空间的说话人识别性能进行了分析.说话人语音训练样本提取特征后在语音特征观察空间形成具有一定散度的分布,根据主元分析原理和分布散度提取主要散度本征向量作为基底构成说话人语音特征子空间,并通过测试语音特征矢量与子空间的距离测度进行模式匹配.实验结果表明,特征子空间方法对说话人识别是有效的,特别是在小于3秒的短时测试语音下能够得到较高的识别率.     

基于神经网络的雷达目标识别

本文讨论了基于径向基函数网络（ＲＢＦＮ）的雷达目标识别问题，在分析了一维距离象特点的基础上，提出了采用非相关幅度平均一维距离象以获取稳定模式这一有效方法，在指出传统经验公式局限性后，给出了一种基于训练样本空间分布来估计高斯函数形状参数的方法，用微波暗室试验数据进行转台成象并对一维距离象三种模式进行识别分类的结果表明，本文所提出的方法用于研究雷达目标识别是有效的。     

基于多阶段分类的雷达目标识别

讨论了用一种新的识别系统识别高分辨雷达距离像（ＨＲＲＰ）,它先在Ｋ－Ｌ变换对距离像进行特征压缩后,用聚类分析进行识别呀基于某个规则排除某此种类,再对不能识别的模式,用种类少时效果好的最佳鉴别准则对模式进行特征提取,然后用模糊ＡＰＴＭＡＰ网络组进行分类,实验表明该方法比常规的单分类器方法有更高的识别率。     

基于BP神经网络的说话人识别技术的实现

说话人识别就是从说话人的一段语音中提取出说话人的个性特征,通过对这些个人特征的分析和识别,从而达到对说话人进行辨认或者确认的目的。神经网络是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,为说话人识别技术提供了一种独特的方法。BP(Back-propagation Neural Network)是一种非循环多级网络训练算法,有输入层,输出层和N个隐含层组成。首先概述了语音识别技术,介绍了BP神经网络训练过程的7个步骤及其模型,如何建立BP神经网络模型。同时介绍了与其相关的特征参数的提取,神经网络的训练和识别过程,最后,通过编程在Linux系统下实现说话人身份的识别。     

一个自训练的数字声控系统

介绍一个抗噪声,脱离计算机的实时话音识别系统,由于该系统具有使用者自行训练功能,因此能够在不认人的情况下达到很高的识别率,该系统采用了先进的智能算法,并以高速数字信号处理器（ＤＳＰ）为核心部件研制而成,不但可以用于电话机进行话音拨号,还可用于其它设备作为声控装置投入实际应用。     

Speaker Adaptation of Hybrid NN/HMM Model for Speech Recognition Based on Singular Value Decomposition

Recently several speaker adaptation methods have been proposed for deep neural network (DNN) in many large vocabulary continuous speech recognition (LVCSR) tasks. However, only a few methods rely on tuning the connection weights in trained DNNs directly to optimize system performance since it is very prone to over-fitting especially when some class labels are missing in the adaptation data. In this paper, we propose a new speaker adaptation method for the hybrid NN/HMM speech recognition model based on singular value decomposition (SVD). We apply SVD on the weight matrices in trained DNNs and then tune rectangular diagonal matrices with the adaptation data. This alleviates the over-fitting problem via updating the weight matrices slightly by only modifying the singular values. We evaluate the proposed adaptation method in two standard speech recognition tasks, namely TIMIT phone recognition and large vocabulary speech recognition in the Switchboard task. Experimental results have shown that it is effective to adapt large DNN models using only a small amount of adaptation data. For example, recognition results in the Switchboard task have shown that the proposed SVD-based adaptation method may achieve up to 3-6 % relative error reduction using only a few dozens of adaptation utterances per speaker.     

基于DDBHMM的数字语音识别

数字语音识别具有很高的识别率,具有较高的实用价值。为实现在真实噪声环境下能达到高识别率的数字语音识别系统,采用基于段长分布的隐马尔可夫模型(DDBHMM)进行了安静环境和带噪环境下,特定人和非特定人的数字语音识别试验。试验结果表明,基于DDBHMM模型的数字语音识别技术对真实非平稳噪声环境下录制的特定人和非特定人语音都具有较高识别率。     

基于GMM说话人分类的说话人识别方法研究

提出了基于高斯混合模型（GMM）说话人分类的分级说话人识别系统,同时将小波神经网络（WNN）引入到子识别系统中。分别对未分级说话人识别系统和分级说话人识别系统进行了比较。仿真实验结果表明,分级网络在保证正确识别率的同时,不仅改善了网络训练速度,亦大大提高了识别响应速度。     

一种压缩语音识别模板库容量的方法

在非特定人孤立词语音识别系统中,模板库的容量成为限制识别范围和性能的重要原因,过大的模板库在成本和实时性方面都不利于语音识别系统的大规模使用。提出了一种用于大幅压缩语音识别模板库容量的方法,适用于非特定人孤立词识别系统。该算法借鉴生态学上各物种对专一环境和普通环境的适应程度上的折衷,通过类似不同生物间争夺食物的演化过程选出最具代表性的模板组成模板库。模拟结果表明,该算法通过去除近似雷同的模板以及在某些情况下用一个大模板取代数个模板,能在不显著影响识别率的前提下,明显减少所需模板库的容量。     

基于分类特征映射的SVM话者确认

为了解决与文中无关的话者确认,大量训练样本数据所导致的建立支持向量机SVM（SupportVectorMachine）话者模型困难,文中提出了一种基于基音分类特征映射和支持向量机的话者确认系统,首先根据基音周期将语音倒谱参数在特征空间上分类,再利用GMM-UBM结构进行特征映射,获得每个特征子空间中的话者特征参数并建立SVM话者模型。基音分类特征映射不仅使得样本数据极大地压缩,而且让子空间中SVM分类界面具有更好的区分性,因此,对各分类子系统评分融合之后的总系统具有更好话者确认性能。在NIST’06数据库上的实验证明了该方法的有效性。     

Whispered speech recognition based on gammatone filterbank cepstral coefficients

This paper presents the results on whispered speech recognition using gammatone filterbank cepstral coefficients for speaker dependent mode. The isolated words used for this experiment are taken from the Whi-Spe database. Whispered speech recognition is based on dynamic time warping and hidden Markov models methods. The experiments are focused on the following modes: normal speech, whispered speech and their combinations (normal/whispered and whispered/normal). The results demonstrated an important improvement in recognition after application of cepstral mean subtraction, especially in mixed train/test scenarios.     

一种语音特征参数子分量分析与有效性评价的新方法

语音信号中包含语义和说话人个性两大特征,其有效提取和强化对语音识别和说话人识别有着非常重要的意义。本文提出了一种语音特征参数中语义和个性特征子分量分析与有效性评价的4S方法,对语义和个性特征的成份比例进行分析,并通过量化指标评判特征参数对语音识别和说话人识别的有效性。运用4S分析方法对目前常用的特征参数LPC, LPCC和MFCC的子分量分析与有效性评价结果表明,所有的特征参数都更多地包含了语义特征信息,语义特征和说话人个性特征的成份比例因子LIR分别为1．30、1．44和1．61,并且,三种参数对语音识别和说话人识别的有效性均呈现出依次提高的特性。     

一种用于鲁棒性说话人确认的分段概率分布参数规整方法

目前与文本无关的话者确认系统大都是基于GMM-UBM模型结构的,为了精确的描述说话人语音特征空间的分布,模型混合度M通常都选的很大,因而模型训练需要大量的语音数据。本文提出了一种基于分段估计概率分布函数的规整方法,在概率分布的意义上降低特征参数偏离高斯分布的程度,从而可以用较低混合度的高斯混合模型对其建模。同时,这种映射也是一种无监督规整,因此可以提高系统的鲁棒性及其确认性能。在NIST’03数据库上的实验表明,在使用相同混合度模型的情况下,概率分布规整后的参数相对于变换前的参数系统性能可以提高11％左右。