基于多尺度熵和遗传算法改进的语音识别技术

• 作者: 樊海花 穆春阳 马行
• 来源期刊: 现代电子技术
• 关键词: 模态分解 语音识别 局部收敛 多尺度熵 隐马尔可夫模型 遗传算法
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 126-131
• 页数: 6页
• 分类号: TN912.3-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.06.031

摘要

现代语音识别系统大多数都处在复杂的环境中,语音特征的提取势必会受到噪声的影响;在低信噪比环境下的隐马尔可夫模型,它的训练参数容易收敛于局部最小值,导致识别率下降.首先对采集到的语音信号,利用补充的总体经验模态分解(CEEMD)和多尺度熵算法对信号进行随机性检测,该方法在检测出CEEMD分解的异常分量后,进行经验模态分解(EMD);其次将分解得到的近乎纯净的语音信号,作为基于遗传算法改进的隐马尔可夫模型的输入.实验结果表明,利用多尺度熵与遗传算法改进的隐马尔可夫模型相结合的方式,具有更优的收敛速度和优化性能,识别率至少提高1.23％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆春阳	北方民族大学机电工程学院	30	79	5.0	7.0
2	马行	北方民族大学信息与通信技术研究所	23	71	5.0	7.0
3	樊海花	北方民族大学信息与通信技术研究所	3	5	2.0	2.0