文章摘要
陈立伟,张晔.基于改进的隐马尔可夫和神经网络混合模型的语音识别[J].,2006,25(2):90-95
基于改进的隐马尔可夫和神经网络混合模型的语音识别
Hybrid speech recognition based on improved hidden markov model and neural network
  
中文摘要:
      研究了一种非齐次隐马尔可夫模型(Inhomogeneous Hidden Markov Model),然后将自组织特征映射神经网络与这种非齐次隐马尔可夫模型相结合,训练出抗噪声的HMM模型,并应用该混合模型进行语音识别。实验结果表明,该模型适合于对噪声背景下的语音进行识别。该模型具有更好的抗噪鲁棒性,在信噪比较低的情况下(5dB-10dB),识别率可以提高5%左右。
英文摘要:
      The inhomogeneous-HMM is studied, and the Self-Organizing Feature Mapping neural network-SOFMNN and an improved inhomogeneous-HMM are combined to train the antinoise HMM. The model trained by this method is used in speech recognition experiments. Experimental results show this model has better noise robustness. In the condition of low SNR (5dB-10dB), the correct recognition rate increased about 5%.
DOI:10.11684/j.issn.1000-310X.2006.02.008
中文关键词: 非齐次隐马尔可夫模型  自组织特征映射神经网络  混合模型  鲁棒性
英文关键词: Inhomogeneous-HMM  SOFMNN  Hybrid model  Robustness
基金项目:黑龙江省自然科学基金项目(F2004-09)
作者单位
陈立伟 哈尔滨工业大学信息工程系 哈尔滨 150001 
张晔 哈尔滨工程大学信息与通信工程学院 哈尔滨 150001 
摘要点击次数: 1285
全文下载次数: 439
查看全文   查看/发表评论  下载PDF阅读器
关闭