论文部分内容阅读
随着计算机、通讯技术的不断发展,人们越来越迫切希望可以在任何时候、任何地点、与任何机器都可以自然交流,而语音通信则是一种最理想的人机通信方式,语音识别技术由此诞生。人工神经网络在语音识别方面所表现出来的优势,使之成为研究的热点。在诸多神经网络模型中,径向基函数神经网络是一种新颖有效的前馈式神经网络模型。它的网络拓扑结构是在学习过程中动态确定,使网络的适用性更好,激活函数采用高斯函数,此函数具有很好的局部逼近能力,就其训练算法而言,其学习速度快,不存在局部最优问题。因此本文采用径向基函数神经网络用于语音识别。本文首先分析了语音识别技术的发展现状,就当前语音识别所存在的问题确定了本文的研究方向;然后系统地介绍了语音识别的基本原理和技术,为语音识别仿真提供了理论支持;最后,详尽地介绍了径向基函数的网络模型、常规聚类训练算法以及用于语音识别的建模方法。考虑到K均值聚类算法在确定其中心节点时速度较慢,本文基于迭代自组织的数据分析算法提出了改进的算法。为了证明所提出的改进算法优于K均值算法,本文基于家用电器的指令平台,针对非特定人孤立词识别任务,将径向基函数神经网络模型应用到语音识别领域,采用VC++和Matlab混合编程的技术,在PC机上分别研究构造了两种算法相应的语音识别模型,并给出了仿真结果与实验分析。实验结果表明,在相同的情况下,与传统的RBF算法相比,本系统在识别速度上有一定的提高,充分说明了改进的RBF算法使网络的性能及分类能力得到了充分的发挥,为基于神经网络的语音识别方法的研究提供了理论分析与仿真数据。同时分析讨论了训练样本数目、背景噪声对识别结果的影响。