语音识别关键技术研究

息晓静;林坤辉;周昌乐;蔡骏

【期刊名称】《计算机工程与应用》

【年(卷),期】2006(042)011

【摘要】采用隐马尔可夫模型(HMM)进行语音声学建模是大词汇连续语音识别取得突破性进展最主要的原因之一,HMM本身依赖的某些不合理建模假设和不具有区分性的训练算法正在成为制约语音识别系统未来发展的瓶颈.神经网络依靠权能够进行长时间记忆和知识存储,但对于输入模式的瞬时响应的记忆能力比较差.采用混合HMM/ANN模型对HMM的一些不尽合理的建模假设和训练算法进行了革新.混合模型用神经网络非参数概率模型代替高斯混合器(GM)计算HMM的状态所需要的观测概率.另外对神经网络的结构进行了优化,取得了很好的效果.

【总页数】5页(66-69,115)

【关键词】HMM;ANN;非参数概率模型;BP

【作者】息晓静;林坤辉;周昌乐;蔡骏

【作者单位】厦门大学软件学院,厦门,361005;厦门大学软件学院,厦门,361005;厦门大学软件学院,厦门,361005;厦门大学软件学院,厦门,361005

【正文语种】中文

【中图分类】TP391.4

【相关文献】

1.非特定人语音识别关键技术研究 [J], 李小林; 许春冬; 杜燕

2.交互式自然口语语音识别关键技术 [J], 薛德黔

3.车载语音识别系统可靠性设计的关键技术研究 [J], 张方伟; 丁武俊; 陈文强; 潘之杰; 赵福全

4.车载语音识别系统可靠性设计的关键技术研究 [J], 张方伟; 丁武俊; 陈文强; 潘之杰; 赵福全

5.管制指令语音识别模板库的关键技术研究 [J], 何昕; 韩丹

以上内容为文献基本信息，获取文献全文请下载