基于HMM与遗传神经网络的改进语音识别系统
为了解决语音信号中帧与帧之间的重叠,提高语音信号的自适应能力,本文提出基于隐马尔可夫(HMM)与遗传算法神经网络改进的语音识别系统.该改进方法主要利用小波神经网络对Mel频率倒谱系数(MFCC)进行训练,然后利用HMM对语音信号进行时序建模,计算出语音对HMM的输出概率的评分,结果作为遗传神经网络的输入,即得语音的分类识别信息.实验结果表明,改进的语音识别系统比单纯的HMM有更好的噪声鲁棒性,提高了语音识别系统的性能.
隐马尔可夫模型、神经网络、语音识别、遗传算法
25
TP3;TN9
2016-08-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
204-208