基于一维卷积神经网络的车载语音识别研究

• 作者: 刘凤山 吕钊 吴小培 张超 朱锡祥
• 来源期刊: 微电子学与计算机
• 关键词: 卷积神经网络 语音识别 网络维度 卷积核 泛化性
• 年，卷（期）: 2017,（11）
• 页码范围: 21-25
• 页数: 5页
• 分类号: TN912.34
• 语种: 中文

摘要

针对卷积神经网络(convolution neural networks,CNNs)是二维结构,不能很好地反映出语音信号的一维特性,因此,提出使用一维模型进行语音识别研究.其通过卷积核在时间轴上的移动,在保留频带相关性的同时可以更好的满足语音信号的时变性,进而提高识别性能.最后进行了车载语音识别对比实验,结果表明一维卷积神经网络的识别率较二维卷积神经网络提高了约10％～20％,在噪声环境下的泛化性能也明显优于后者.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕钊	安徽大学计算智能与信号处理教育部重点实验室	49	318	9.0	16.0
2	吴小培	安徽大学计算智能与信号处理教育部重点实验室	132	1377	20.0	29.0
3	张超	安徽大学计算智能与信号处理教育部重点实验室	36	257	9.0	15.0
4	朱锡祥	安徽大学计算智能与信号处理教育部重点实验室	2	20	1.0	2.0
5	刘凤山	安徽大学计算智能与信号处理教育部重点实验室	2	38	2.0	2.0