一種利用人工神經(jīng)網(wǎng)絡(luò)優(yōu)化語(yǔ)音識(shí)別的方法

魏爽

摘要：語(yǔ)音識(shí)別就是利用機(jī)器通過(guò)識(shí)別和理解，將語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)槲谋荆呀?jīng)在很多行業(yè)得到了應(yīng)用。由于每個(gè)人說(shuō)話的方式都不同，其說(shuō)話的特征都不一樣。說(shuō)話人識(shí)別就是通過(guò)一段語(yǔ)音識(shí)別出說(shuō)話人的技術(shù)。結(jié)合人工神經(jīng)網(wǎng)絡(luò)對(duì)語(yǔ)音識(shí)別進(jìn)行優(yōu)化，平均準(zhǔn)確率達(dá)到了94.5%。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；人工智能；語(yǔ)音識(shí)別；數(shù)據(jù)挖掘；反向傳播

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）10-0228-02

1 引言

受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)，1943年心理學(xué)家McCulloch和數(shù)學(xué)家Pitts合作提出了形式神經(jīng)元的數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）由大量高度互聯(lián)的信息處理單元組成，這些信息處理單元共同合作完成信息處理工作。這使得ANN特別適合于處理直覺和形象思維信息。經(jīng)過(guò)了半個(gè)世紀(jì)的發(fā)展，ANN已經(jīng)在圖像處理、語(yǔ)音處理、以及人工智能的其他領(lǐng)域得到了廣泛的應(yīng)用。語(yǔ)音識(shí)別就是利用機(jī)器通過(guò)識(shí)別和理解，將語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)槲谋?。?0年，語(yǔ)音識(shí)別領(lǐng)域得到了快速發(fā)展。市場(chǎng)上在家電、通信、消費(fèi)電子產(chǎn)品等領(lǐng)域已經(jīng)有一批語(yǔ)音識(shí)別的應(yīng)用。本文通過(guò)將ANN和數(shù)據(jù)挖掘技術(shù)應(yīng)用到語(yǔ)音識(shí)別上，優(yōu)化語(yǔ)音識(shí)別性能，平均識(shí)別準(zhǔn)確率達(dá)到了94.5%。

2 基本概念

2.1 人工神經(jīng)網(wǎng)絡(luò)

ANN是一種非線性的預(yù)測(cè)模型。它模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，經(jīng)過(guò)訓(xùn)練學(xué)習(xí)，可以通過(guò)相對(duì)簡(jiǎn)單的函數(shù)組成的網(wǎng)絡(luò)，以任意的精度近似任何非線性函數(shù)。經(jīng)過(guò)多年的發(fā)展，現(xiàn)在的神經(jīng)網(wǎng)絡(luò)模型有很多種，如自適應(yīng)諧振理論、反向傳播（Back-Propagation，BP）網(wǎng)絡(luò)以及Hopfield網(wǎng)等，其中BP網(wǎng)絡(luò)應(yīng)用的最為廣泛[1-3]。人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)基本上可以分為遞歸（反饋）網(wǎng)絡(luò)和前饋網(wǎng)絡(luò)兩類。

神經(jīng)網(wǎng)絡(luò)由單個(gè)的神經(jīng)元組成。每個(gè)神經(jīng)元由多個(gè)輸入xi， i=1，2， …，n和一個(gè)輸出y組成，中間狀態(tài)e由輸入信號(hào)的權(quán)和表示如公式（1），θ為閾值。輸出y一般采用二值函數(shù)或者S形的函數(shù)，如（2）、（3）所示，（3）為常用的Sigmoid函數(shù)。

e=x1*w1+x2*w2-θ （1）

f（x）= （2）

f（x）= （3）

構(gòu)造好了神經(jīng)網(wǎng)絡(luò)后，需要訓(xùn)練樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)。一般來(lái)講，訓(xùn)練樣本集包含了輸入信號(hào)（X1、x2）和輸出值的希望值z(mì)。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是一個(gè)迭代的過(guò)程。每一次的迭代都根據(jù)訓(xùn)練樣本集中的數(shù)據(jù)對(duì)權(quán)值進(jìn)行修正。

2.2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中發(fā)現(xiàn)隱藏在數(shù)據(jù)里面的信息。使用數(shù)據(jù)挖掘，可以讓擁有大量數(shù)據(jù)的機(jī)構(gòu)將其關(guān)注的重點(diǎn)放在最重要的信息上。

2.3 語(yǔ)音識(shí)別

語(yǔ)音識(shí)別即是從聽到的語(yǔ)音或者音頻文件中識(shí)別出其中特定語(yǔ)言的語(yǔ)句，輸出對(duì)應(yīng)的文本。說(shuō)話人的場(chǎng)景、語(yǔ)氣以及說(shuō)話發(fā)音習(xí)慣等都會(huì)對(duì)語(yǔ)音識(shí)別的精度有較大影響。此外，從某種程度上來(lái)講，詞匯量是無(wú)限的，語(yǔ)音識(shí)別系統(tǒng)應(yīng)該具備智能識(shí)別未知詞的能力[4-6]。

3 實(shí)驗(yàn)方法

特征提取就是通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行變換得到最能反應(yīng)分類本質(zhì)的特征。線性預(yù)測(cè)系數(shù)就是一種能夠有效表示語(yǔ)音信號(hào)的特征：通過(guò)對(duì)若干過(guò)去的語(yǔ)音采樣進(jìn)行線性組合來(lái)逼近當(dāng)前的語(yǔ)音信號(hào)，可以得到一組唯一的預(yù)測(cè)系數(shù)，即線性預(yù)測(cè)系數(shù)。其優(yōu)勢(shì)在于可以用極少的參數(shù)來(lái)正確地表示語(yǔ)音信號(hào)的時(shí)域和頻域特性[7，8]。

在本文中，每一個(gè)語(yǔ)音信號(hào)樣本都用p個(gè)之前采集的語(yǔ)音樣本的權(quán)和加上一個(gè)激勵(lì)表示，如公式（4）。s[n]表示表示語(yǔ)音信號(hào)樣本，a[k]表示預(yù)測(cè)系數(shù)。在保證最小預(yù)測(cè)誤差的情況下，獲取線性預(yù)測(cè)系數(shù)。

s[n]≈a[k]s[n-k] （4）

總的平方預(yù)測(cè)誤差為：

e=（∑n[s]-a[k]s[n-k] ）2 （5）

線性預(yù)測(cè)分析就是要確定a[k]的值，使得（5）的值最小?？梢酝ㄟ^(guò)使（5）a[k]對(duì)應(yīng)的偏導(dǎo)數(shù)為0，獲取最終的a[k]。

具體的實(shí)驗(yàn)步驟為：首先，從包含有預(yù)先定義好的輸入和目標(biāo)向量集的數(shù)據(jù)文件中加載數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘提取特征信息并優(yōu)化，創(chuàng)建神經(jīng)網(wǎng)絡(luò)，再用加載的數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直至找到輸入和目標(biāo)之間的關(guān)系。

4 實(shí)驗(yàn)結(jié)果

二層前饋網(wǎng)絡(luò)是最常見的采用反向傳播算法的神經(jīng)網(wǎng)絡(luò)。反向傳播算法的主要思想是通過(guò)輸入信息經(jīng)輸入層和隱層逐層計(jì)算出各單元的輸出值，然后將輸出誤差逐層向前計(jì)算出各單元的誤差并利用此誤差修正前層的權(quán)值。文中實(shí)驗(yàn)采用的就是這種二層前饋網(wǎng)絡(luò)，在其隱層使用了20個(gè)神經(jīng)元，輸出層的神經(jīng)元為1個(gè)。

實(shí)驗(yàn)先對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。然后，采用了25個(gè)人的100組語(yǔ)音數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果如表1所示。此模型總的準(zhǔn)確率為94.5%。

5 結(jié)語(yǔ)

通過(guò)實(shí)驗(yàn)可以看出，采用反向傳播算法的神經(jīng)網(wǎng)絡(luò)模型適合于語(yǔ)音識(shí)別。下一步，通過(guò)優(yōu)化數(shù)據(jù)挖掘算法，進(jìn)而語(yǔ)音特征進(jìn)行進(jìn)一步的優(yōu)化，進(jìn)一步提高模型的性能。

參考文獻(xiàn)

[1]毛健，趙紅東，姚婧婧.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J].電子設(shè)計(jì)工程，2011，19（24）：62-65.

[2]湯素麗，羅宇鋒.人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展與應(yīng)用[J].電腦開發(fā)與應(yīng)用，2009，22（10）：59-61.

[3]于俊婷，劉伍穎，易綿竹，李雪，李娜.國(guó)內(nèi)語(yǔ)音識(shí)別研究綜述[J].計(jì)算機(jī)光盤軟件與應(yīng)用，2014，17（10）：76-78.

[4]禹琳琳.語(yǔ)音識(shí)別技術(shù)及應(yīng)用綜述[J].現(xiàn)代電子技術(shù)，2013，36（13）：43-45.

[5]詹新明，黃南山，楊燦.語(yǔ)音識(shí)別技術(shù)研究進(jìn)展[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2008，（09）：43-45+50.

[6]紀(jì)友芳，劉桂斌.一種改進(jìn)的線性預(yù)測(cè)語(yǔ)音編碼技術(shù)及實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（15）：163-165.

[7]孔俊寶.語(yǔ)音信號(hào)的線性預(yù)測(cè)編碼技術(shù)[J].電訊技術(shù)，1987，（05）：31-40.

[8]王山海，景新幸，楊海燕.基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的孤立詞語(yǔ)音識(shí)別的研究[J/OL].計(jì)算機(jī)應(yīng)用研究，2015，32（08）：2289-2291+2298.