基于多尺度熵和遗传算法改进的语音识别技术

摘要：

现代语音识别系统大多数都处在复杂的环境中,语音特征的提取势必会受到噪声的影响;在低信噪比环境下的隐马尔可夫模型,它的训练参数容易收敛于局部最小值,导致识别率下降.首先对采集到的语音信号,利用补充的总体经验模态分解(CEEMD)和多尺度熵算法对信号进行随机性检测,该方法在检测出CEEMD分解的异常分量后,进行经验模态分解(EMD);其次将分解得到的近乎纯净的语音信号,作为基于遗传算法改进的隐马尔可夫模型的输入.实验结果表明,利用多尺度熵与遗传算法改进的隐马尔可夫模型相结合的方式,具有更优的收敛速度和优化性能,识别率至少提高1.23％.

关键词：模态分解、语音识别、局部收敛、多尺度熵、隐马尔可夫模型、遗传算法

所属期刊栏目：42

分类号：TN912.3-34

资助基金：国家自然科学基金61163002;国家民委中青年英才培养计划2016GQR10;宁夏自然科学基金NZ16086;宁夏回族自治区高等学校科技创新平台:先进装备关键零部件及系统创新产学研合作基地;北方民族大学研究生创新项目YCX1771

在线出版日期：2019-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：126-131