通知公告
交大新闻
06 现在的位置：首页 > 期刊导读 > 2016 > 06 >
用于孤立数字语音识别的一种组合降维方法
【作者】 宋青松 田正鑫 孙文磊 吴小杰 安毅生 长安大学信息工程学院 西安710064
【关键词】 语音识别 主成分分析 受限玻尔兹曼机
【摘要】针对孤立数字语音识别的噪声鲁棒性问题,提出了一个组合降维方法。该方法由梅尔频率倒谱系数（MFCC）特征提取、线性降维、受限玻尔兹曼机（RBM）、Softmax分类器4个功能模块依次组成;基于主成分分析（PCA）基本原理对MFCC特征向量实现了降维并且统一维度的目的;通过RBM对降维后的特征向量进行学习,改善了后端Softmax分类器的分类性能,RBM的预训练由对比散度算法完成,微调过程使用共轭梯度算法。采用TI-46孤立数字语音库和NOISEX-92典型噪声数据库对方法进行了测试,实验结果表明,该方法可以获得96.09%的正确识别率,相对于常规神经网络识别方法,噪声鲁棒性得到了提高。
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号