用于孤立数字语音识别的一种组合降维方法

您当前的位置：

首页 >

文章列表页 >

用于孤立数字语音识别的一种组合降维方法

更新时间：2025-07-09

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。

Phillip B. Schafer.Noise-Robust Speech Recognition Through Auditory Feature Detection and Spike Sequence Decoding[J].Neural Computation,2014(3).

Tetsuya Takiguchi,Yasuo Ariki.PCA-Based Speech Enhancement for Distorted Speech Recognition[J].Journal of Multimedia,2007(5).

张春霞,姬楠楠,王冠伟.受限波尔兹曼机[J].工程数学学报,2015(02).

黄海,林穗华.一个PRP型共轭梯度法的收敛性[J].西南大学学报(自然科学版),2012(03).

郑方,张国亮,宋战江.Comparison of Different Implementations of MFCC[J].Journal of Computer Science and Technology,2001(06).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

对数变换主成分分析的图像识别

随机矩阵理论和主成分分析融合的滚动轴承性能退化评估方法

采用长短时记忆网络的低资源语音识别方法

离子液体改性燃料的电流体动力学效应研究

结构-语义-残差协同的图像压缩框架：面向隐私保护与高保真重建