基于语音特征聚类的HMM语音识别系统研究  

The Study of Speech Recognition Based on Sound Characteristic Clustering and HMM

作　　者：姚敏锋[1] 李心广[1] 杨佳能[1] 

机构地区：[1]广东外语外贸大学思科信息学院,广东广州510006

出　　处：《微计算机信息》2012年第10期458-460,共3页Control & Automation

基　　金：基金颁发部门:广东省科技厅;项目名称:旅游英语发音智能识别与自训练系统研究;编号:2011B031400003;基金申请人:李心广;姚敏锋;{(粤科规划字[2011]70号);广东省科技计划项目;2011-2013};基金颁发部门:广东省科技厅;项目名称:科技英语翻译辅助系统关键技术研究;编号:2010B031300021;基金申请人:姚敏锋;潘智刚;{(粤科规划字[2010]145号);广东省科技计划项目;2010-2012}

摘　　要：文章提出一种分段均值算法对语音特征参数进行数据降维,进而采用K-Means聚类算法对降维后的语音特征参数进行聚类,初步将语音样本分成不同的特征组。在此基础上,本文提出一种针对语音特征聚类的交叉分组训练算法,提高了聚类算法对语音特征分组的准确性。在识别阶段,本文提出HMM模型交叉分组算法进行识别运算,与传统的HMM方法相比,不降低小词汇量语音识别系统识别率的情况下,计算量可减少50%以上,提高了系统的识别速度。The dissertation presents a Segment-Mean method for reducing the dimension of the voice feature parameters. K-Means function is used to group the voice feature parameters whose dimension has been reduced. And then the voice samples are classified into different clusters according to their features. It proposes a cross-group training algorithm for the voice feature parameters clus- tering which improves the accuracy of the cluster function. When recognizing speech, the system uses a cross-group HMM models al- gorithm to match patterns which reduces the calculation by more than 50% and without reducing the recognition rate of the small vo- cabulary speech recognition system.

关 键 词：隐马尔可夫模型 语音特征参数 分段均值 K均值聚类 模型交叉分组 

分 类 号：TP912[自动化与计算机技术]