下载地址
设计文档简介
摘要
本文给出了神经网络的基本框架和学习规则,重点在这些网络的数学基础,训练方法。并以语音识别为例，显示了神经网络在模式识别领域的实际工程应用价值。
人工神经网络由大量简单处理单元广泛地相互连接而组成，具有高维性、自组织性、模糊型、自学习能力等优良特性和较强的非线性区分模式边界的能力，模拟人体大脑活动的基本原理，具有学习、技艺、判断、对比和概括等能力，因此特别适合于语音识别。
文章中给出了语音识别的模型，主要研究了BP网络在特征识别方面的应用。利用BP网络来识别汉语四声的实验中，用反映汉字声调的特征参数作为BP网络的输入信号。因为经典的BP算法有训练收练速度慢的缺点，本文给出了改进的BP学习算法。最后利用改进的BP网络进行汉语声调的识别。结果证明BP网络在语音信号识别方面的有效性。
关键词 神经网络；特征识别；声调识别；BP网络
Abstract
The paper gives the general framework and principle of training neural network, with a focus on the mathematical foundation of these networks and the training methods. And the example of speech recognition shows the practical value of the neural network in the field of pattern recognition.
Artificial neural network, consisted of mass processing units which extensively interconnected with high-dimensional nature, is organizational and ambiguous type with well learning character and strong distinction capacity of nonlinear model border. It simulates the basic principles of human brain activities with strong capacity of learning, memory, judgment, balancing and abstracting. Therefore, it is particularly suited to speech recognition.
The paper gives a speech recognition model, and the main research is applications of BP network in the trick recognition. In the experiment of using BP network to identify Chinese language short-winged, it uses parameters reflecting tone as the BP network input. As to the slow shortcomings of a classical BP algorithm, we give the improved BP learning algorithms. Finally the paper shows use of improved network in Chinese language BP tone identification. The result proves the effectiveness of the BP network in speech recognition.
Key words neural networks trick recognition speech recognition BP Network
目录
摘要 I
Abstract II
第1章 绪论 1
1.1 课题背景 1
1.2 语音识别的研究概况 1
1.3 语音识别的应用概况 3
第2章 语音识别的模型和关键技术 4
2.1 语音识别的基本模型 4
2.1.1 语音识别的基本模型 4
2.1.2 语音预处理 4
2.1.3 特征提取 4
2.1.4 模式匹配 6
2.2 语音识别的关键技术 6
2.3 本章小结 7
第3章 神经网络 8
3.1 神经网络的基础知识 8
3.1.1 人工神经网络的概念 8
3.1.2 神经网络的基础知识 9
3.2 神经网络的基本原理 11
3.2.1 人工神经网络的工作原理概述 11
3.2.2 神经网络的训练（学习）算法 12
3.3 神经网络的优缺点 14
3.3.1 神经网络的优点 14
3.3.2 神经网络的缺点 14
3.4 BP神经网络及其算法 15
3.4.1 BP神经网络的结构和原理 15
3.4.2 BP网络训练算法 17
3.4.3 BP网络的优缺点 17
3.4.4 对BP神经网络的改进 19
3.5 本章小结 21
第4章 汉语声调识别神经网络模型设计及仿真实现 22
4.1 神经网络的设计 22
4.1.1 对语音信号的特征提取 22
4.1.2 神经网络参数的设计 23
4.2 网络的仿真实现及结果分析 24
4.2.1 仿真实现 24
4.2.2 网络测试 25
结论 27
致谢 28
参考文献 29
。。。。。。。。。。。
结论
本论文主要讨论了神经网络的基本原理、结构、特点，对于语音识别的问题，采用BP网络解决。文章着重研究了BP网络，探讨了BP网络训练算法，针对BP网络学习算法的缺点：收敛速度慢、目标函数存在局部极小点，给出了几种成熟的改进方法：加入动量项、利用高阶导数、共轭梯度法、递推最小二乘法等，这些改进的BP算法有明显的效果。并以汉语声调识别的试验为例给出了BP网络在特征识别应用上的有效性。在给出了声调的特征向量的前提下，分别用无噪声语音信号和利用matlab仿真的有噪声的语音信号训练网络，由测试结果看出，网络用改进的BP算法来训练，收敛速度快，且用无噪声信号和有噪声信号交替训练后的网络有一定的适应性，在噪声适当的情况下对汉语四声调能获得较好的识别率。
但对于轻声问题，没有针对声调特点找到显著的特征向量，所以没有好的解决办法，这个问题要进一步研究。
针对其他语音识别的问题，只需要提取不同的特征向量，只要特征向量可以反映所要研究问题的本质，仍然可以采用BP网络及改进的算法来有效的解决问题。
相关设计文档
设计文档搜索：
