一種利用人工神經網絡優化語音識別的方法

魏爽

摘要：語音識別就是利用機器通過識別和理解，將語音信號轉變為文本，已經在很多行業得到了應用。由于每個人說話的方式都不同，其說話的特征都不一樣。說話人識別就是通過一段語音識別出說話人的技術。結合人工神經網絡對語音識別進行優化，平均準確率達到了94.5%。

關鍵詞：神經網絡；人工智能；語音識別；數據挖掘；反向傳播

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2017）10-0228-02

1 引言

受生物神經網絡啟發，1943年心理學家McCulloch和數學家Pitts合作提出了形式神經元的數學模型。人工神經網絡（Artificial Neural Network，ANN）由大量高度互聯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。經過了半個世紀的發展，ANN已經在圖像處理、語音處理、以及人工智能的其他領域得到了廣泛的應用。語音識別就是利用機器通過識別和理解，將語音信號轉變為文本。近20年，語音識別領域得到了快速發展。市場上在家電、通信、消費電子產品等領域已經有一批語音識別的應用。本文通過將ANN和數據挖掘技術應用到語音識別上，優化語音識別性能，平均識別準確率達到了94.5%。

2 基本概念

2.1 人工神經網絡

ANN是一種非線性的預測模型。它模仿生物神經網絡的結構，經過訓練學習，可以通過相對簡單的函數組成的網絡，以任意的精度近似任何非線性函數。經過多年的發展，現在的神經網絡模型有很多種，如自適應諧振理論、反向傳播（Back-Propagation，BP）網絡以及Hopfield網等，其中BP網絡應用的最為廣泛[1-3]。人工神經網絡的結構基本上可以分為遞歸（反饋）網絡和前饋網絡兩類。

神經網絡由單個的神經元組成。每個神經元由多個輸入xi， i=1，2， …，n和一個輸出y組成，中間狀態e由輸入信號的權和表示如公式（1），θ為閾值。輸出y一般采用二值函數或者S形的函數，如（2）、（3）所示，（3）為常用的Sigmoid函數。

e=x1*w1+x2*w2-θ （1）

f（x）= （2）

f（x）= （3）

構造好了神經網絡后，需要訓練樣本集對神經網絡進行訓練學習。一般來講，訓練樣本集包含了輸入信號（X1、x2）和輸出值的希望值z。神經網絡的訓練是一個迭代的過程。每一次的迭代都根據訓練樣本集中的數據對權值進行修正。

2.2 數據挖掘

數據挖掘就是從大量的數據中發現隱藏在數據里面的信息。使用數據挖掘，可以讓擁有大量數據的機構將其關注的重點放在最重要的信息上。

2.3 語音識別

語音識別即是從聽到的語音或者音頻文件中識別出其中特定語言的語句，輸出對應的文本。說話人的場景、語氣以及說話發音習慣等都會對語音識別的精度有較大影響。此外，從某種程度上來講，詞匯量是無限的，語音識別系統應該具備智能識別未知詞的能力[4-6]。

3 實驗方法

特征提取就是通過對原始數據進行變換得到最能反應分類本質的特征。線性預測系數就是一種能夠有效表示語音信號的特征：通過對若干過去的語音采樣進行線性組合來逼近當前的語音信號，可以得到一組唯一的預測系數，即線性預測系數。其優勢在于可以用極少的參數來正確地表示語音信號的時域和頻域特性[7，8]。

在本文中，每一個語音信號樣本都用p個之前采集的語音樣本的權和加上一個激勵表示，如公式（4）。s[n]表示表示語音信號樣本，a[k]表示預測系數。在保證最小預測誤差的情況下，獲取線性預測系數。

s[n]≈a[k]s[n-k] （4）

總的平方預測誤差為：

e=（∑n[s]-a[k]s[n-k] ）2 （5）

線性預測分析就是要確定a[k]的值，使得（5）的值最小。可以通過使（5）a[k]對應的偏導數為0，獲取最終的a[k]。

具體的實驗步驟為：首先，從包含有預先定義好的輸入和目標向量集的數據文件中加載數據，通過數據挖掘提取特征信息并優化，創建神經網絡，再用加載的數據對神經網絡進行訓練，直至找到輸入和目標之間的關系。

4 實驗結果

二層前饋網絡是最常見的采用反向傳播算法的神經網絡。反向傳播算法的主要思想是通過輸入信息經輸入層和隱層逐層計算出各單元的輸出值，然后將輸出誤差逐層向前計算出各單元的誤差并利用此誤差修正前層的權值。文中實驗采用的就是這種二層前饋網絡，在其隱層使用了20個神經元，輸出層的神經元為1個。

實驗先對神經網絡進行訓練。然后，采用了25個人的100組語音數據對神經網絡進行測試，實驗結果如表1所示。此模型總的準確率為94.5%。

5 結語

通過實驗可以看出，采用反向傳播算法的神經網絡模型適合于語音識別。下一步，通過優化數據挖掘算法，進而語音特征進行進一步的優化，進一步提高模型的性能。

參考文獻

[1]毛健，趙紅東，姚婧婧.人工神經網絡的發展及應用[J].電子設計工程，2011，19（24）：62-65.

[2]湯素麗，羅宇鋒.人工神經網絡技術的發展與應用[J].電腦開發與應用，2009，22（10）：59-61.

[3]于俊婷，劉伍穎，易綿竹，李雪，李娜.國內語音識別研究綜述[J].計算機光盤軟件與應用，2014，17（10）：76-78.

[4]禹琳琳.語音識別技術及應用綜述[J].現代電子技術，2013，36（13）：43-45.

[5]詹新明，黃南山，楊燦.語音識別技術研究進展[J].現代計算機（專業版），2008，（09）：43-45+50.

[6]紀友芳，劉桂斌.一種改進的線性預測語音編碼技術及實現[J].計算機工程與應用，2009，45（15）：163-165.

[7]孔俊寶.語音信號的線性預測編碼技術[J].電訊技術，1987，（05）：31-40.

[8]王山海，景新幸，楊海燕.基于深度學習神經網絡的孤立詞語音識別的研究[J/OL].計算機應用研究，2015，32（08）：2289-2291+2298.