基于仿生模式识别的语音识别研究.pdf

第10卷第2期上海电机学院学报Vol.10No.2
2007年6月JOURNALOFSHANGHAIDIANJIUNIVERSITYJun.2007

文章编号167122730(2007)0220127204

基于仿生模式识别的语音识别研究

徐毅,殷业,王沛
(上海师范大学数理信息学院,上海200234)

摘要:与传统模式识别的方法相比,仿生模式识别能识别单模板,并大大减小误识率。基于这两
个优点,将仿生模式识别应用于语音信号处理中,进行2次识别。第1次使用传统模式识别方法,第2
次为单模板识别。对小词汇量的关键词识别实验结果表明能够大大降低误识率。
关键词:语音识别;模式识别;仿生模式识别;关键词识别;误识率
中图分类号:TP15文献标识码:A

TheSpeechSignalRecognitionBasedonBionicPatternRecognition

XUYi,YINYe,WANGPei
(MathematicsandSciencesCollege,ShanghaiNormalUniversity,Shanghai200234,China)

Abstract:Comparedwiththetraditionalpatternrecognition,bionicpatternrecognitioncanrecog2
nizesingletemplateandreduceerrorrate.Basedonthetwomerits,thebionicpatternrecognitionis
appliedtospeechsignalprocessingwiththeuseofsecondaryidentification.Firstly,itusestraditional
methodsofpatternrecognition,secondly,itusessingletemplaterecognition.Smallvocabularykey2
wordspottingexperimentalresultsshowasignificantlylowererrorrate.
Keywords:speechrecognition;patternrecognition;bionicpatternrecognition;keywordspot2
ting;errorrate

语音识别本质上是一种模式识别,因此,识别算物的识别功能恰恰相反,人类认识事物是以类类样
法的好坏对识别效果影响巨大。在半个多世纪的发本的“认识”过程,即一类样本与无限类未知样本的
展中,各种算法层出不穷,如滤波器模型法、线性预区分,侧重于“认识”,只有在细微处才重视“区别”。
测技术(LP)、动态时间规整算法(DTW)、隐马尔科正是由于这些模式识别方法忽略了“认识”的概念,
夫模型(HMM)、矢量量化技术(VQ)、人工神经网必然会带来2个缺点:①首次遇到未学习过的新事
络(ANN)和支持向量机(SVM)等。但现有的这些物时容易误认为是某一种学习过的旧事物,造成误
方法只侧重于“区别”,即一类样本于有限类已知样识;②在对未学习过的新事物进行新的学习时,往
本的区分,而忽视了“认识”的概念。这与人类对事往会打乱旧知识,即破坏对学习过的旧事物的识

收稿日期:2006210220
基金项目:上海市教委会科学基金资助项目(04DC33)
作者简介:徐毅(19832),男,硕士研究生,专业方向:语音处理和识别等。

©1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net
128上海电机学院学报2007年第2期

别[1]。的拓扑属性,从而对这类样本在特征空间中的分布
王守觉院士提出的仿生模式识别(拓扑模式识状况加以合理覆盖[3,4]。
别)就是强调用“认识”模式取代传统的“分类”模式,
2基于仿生模式识别的语音识别
因而,比传统模式识别方法会有较大优势,已经在人
脸识别、波达方向(DirectionofArrival,DOA)估计2.1语音识别的基本原理
等领域获得了成功。笔者将此方法引入语音识别领
语音识别主要包括语音信号预处理、特征提取、
域利用仿生模式识别的基本原理进行语音识别。
,特征建模(建立参考模式库)、模式匹配和后处理几
1仿生模式识别原理个功能模块,其中后处理为可选部分,如图3所示。

以往,人们在研究模式识别问题时,考虑的出发
点都是怎样利用统计决策理论对若干有限类别的样
本进行最优分类划分。而仿生模式识别是利用高维
空间几何分析方法对一类一类样本进行“认识”。图
1为仿生模式识别与传统模式识别的比较