基于能量竞争学习算法的特定人数字语音识别

更新时间:2024-01-31 作者:用户投稿原创标记本站原创 点赞:6988 浏览:22624

【摘 要 】在数字语音识别的方法中,采用矢量量化算法往往需要事先确定分类的个数,而分类的个数事先不好确定,而基于能量的竞争学习算法能自动确定码本的大小.本文把能量竞争学习算法应用于特定人0~9数字语音识别,并利用广度优先搜索邻居的聚类算法来完成初始化码字的确定.仿真实验结果表明,该算法的效率比较高,而且可以达到98.57%的识别率.

【关 键 词 】竞争学习;广度优先搜索邻居;矢量量化;码本

1.引言

现存的一些矢量量化方法一般都需要预先确定码本大小,比如LBG[1],K-means算法等,然而在现实条件很难预先确定码本大小.由中山大学赖剑煌教授和王长东提出的基于能量的竞争学习算法[2]应用在图像分割中,这种算法能自动确定数据聚类个数,能够保持类的大小(即一个类中所包含的样本个数)和稀疏度(类中样本的稀疏程度)均衡,并且具有自适应学习速率;本文尝试将基于能量的竞争学习算法应用到特定人汉语数字0-9语音识别中,在基于能量的竞争学习算法确定初始化码字中,笔者用广度优先搜索邻居的聚类算法进行了改进.

2.基于能量的竞争学习算法及其改进

3.2 实验结果

4.结论

本文将EBCL学习算法运用在特定人的数字语音识别中,这个算法的优点就是能够自动初始化,自动确定码本的大小,这是此算法相对于以往的矢量量化算法所不具备的优点.从表1可以看出基于EBCL的数字语音识别可以达到较高的识别率,比经典的LBG算法的识别率还要高;LBG算法在码本提取中需要事先确定码本大小而EBCL能够自动确定码本大小,从表2中可以看出,在识别率相当的情况下,用EBCL算法获得的每个数字语音的码本大小不尽相同而LBG算法获得的码本大小是固定的;EBCL获得的码本的大小相对于LBG的更小,这样使得码本存储空间更小,EBCL算法识别时间更短.将此算法运用到非特定人数字语音识别中时我们今后工作的重点.