基于HMM与自组织神经网络相结合的语音识别

本文基于自动语音识别（ASR）的原理和过程，结合人工神经网络(ANN)的建模理论及特点，主要研究了隐含马尔可夫模型（HMM）与自组织神经网络(SONN)相结合的混合模型－HMMNN的原理及在语音识别中的应用，分析构造了相应的语音识别模型与算法。 本文还介绍了语音信号分析方法中的滤波器组分析方法和线性预测编码技术，并推导了LPCC参数和MFCC参数。在特征提取中，选用了基于听觉模型的Mel倒谱系数，并与基于发声模型的LPCC参数进行比较。在训练与识别部分，通过介绍隐含马尔可夫模型和神经网络模型，采用将CDHMM和自组织神经网络结合而形成的新模型－HMMNN，并进行了理论分析。