基于神经网络和遗传算法的语音识别方法研究

语音识别系统的研究虽然已经持续了近40年,但是现有的准确率较高的语音识别系统仍有耗时、成本很高而且用起来很不方便的缺点。而实际的语音识别系统要求在拥有有限资源的通用型计算机上实现实时的语音识别。因此,发展快速识别算法成了语音识别研究中的一个重要课题。 本文在论述了神经网络和遗传算法具体内容的基础上分析了它们各自的不足之处,分析了将神经网络和遗传算法结合的必要性与可行性。在本文的研究中,通过采用代沟算子和基于凸集理论的交叉算子,形成了一种改进的面向神经网络权值学习的遗传算法,并将该算法用于语音识别中进行验证。 本文基于语音识别的原理和过程,针对非特定人孤立词识别任务,考虑到标准遗传算法和神经网络中BP算法的不足之处,本文提出了用遗传算法对网络进行训练的快速算法,分别研究构造了相应的语音识别模型,并完成了软件的设计与开发。通过仿真计算,分析讨论了不同特征参数、训练样本数目、背景噪声以及是否特定人对识别结果的影响,并与传统的动态时间归整(DTW)方法进行了比较。 研究结果表明,本文提出的基于遗传算法的神经网络识别方法显示出其快速学习网络权值的能力,且能摆脱局部极值的困扰和初始权值的限制,从各方面都表现出优于标准遗传算法和神经网络中BP算法的性能,有较高的识别率和独特的应用优势,可以实现时间和效率的双赢。