论文部分内容阅读
语音识别技术是一个快速发展的高科技产业,已经被应用到了很多领域,它将成为未来计算机的重要特征,对它的研究有重要的意义。隐马尔可夫模型(Hidden Markov Model, HMM)是语音信号处理的一种统计模型,在很多领域都得到了广泛的应用。在孤立词语音识别系统中,需要对语音特征进行矢量量化(Vector Quantization, VQ), VQ是一种数据压缩技术,它能够对信息进行压缩而又不失真。粒子群优化算法(Particle Swarm Optimization, PSO)是一种操作简单、易于实现的全局优化算法。人工免疫算法是一种通过模仿自然界中生物群体的免疫系统,从而实现免疫记忆和自我调节功能的群智能算法,它已经成为人工智能算法的又一个研究热点。本文对粒子群优化矢量量化算法用于DHMM语音识别进行了深入的研究,做的工作有以下三点：1、针对矢量量化中的LBG算法依赖于初始码书的选取,容易陷入局部最优值,自适应能力不强的缺点,引入了粒子群优化算法,本文用粒子群优化了码书设计算法,并将其用于DHMM孤立词语音识别系统中。通过实验证明了该算法的优越性,在识别率上优于LBG码书设计算法的DHMM语音识别系统。2、针对粒子群优化算法在训练后期,最优粒子长时间得不到更新,容易早熟的问题,引入了人工免疫算法。本文将免疫系统的免疫记忆、免疫调节及接种疫苗等处理机制用到粒子群优化算法中,设计了免疫粒子群算法,并用四个典型的测试函数对其进行测试,证明了免疫粒子群算法能够提高全局收敛能力和进化过程中的收敛速度。3、将免疫粒子群算法和LBG算法结合进行聚类分析,得到了免疫粒子群优化的码书设计算法,并将其用于DHMM孤立词语音识别系统中,与粒子群优化的DHMM语音识别系统的识别结果相比,证明了改进的系统有较好的识别率和鲁棒性。