小波及混沌神经网络在语音识别中的应用
基于语音信号的时变特性，本文提出了一种神经网络语音识别方法，即把混沌特性引入到神经元，构成混沌神经网络，把这种神经网络用于语音识别，并与常用的BP神经网络识别方法进行了比较。实验结果表明，混沌神经网络的平均识别率要高于同等条件下常用的神经网络方法的识别率。同时在特征参数提取中引入了小波变换，借助Mel-Frequency CepstrumCoefficient(MFCC)参数的提取方法，用小波变换代替傅立叶变换，提取了新的特征参数Discrete Wlavelet Trartsform Mel-FrequencyCoefficient(DWTMFCC)。通过实验和仿真，DWTMFCC具有很高的识别率，是一种很好的语音特征参数。
语音识别 特征参数 小波变换 混沌神经网络
王旭 韩志艳 王健 薛丽芳
东北大学信息科学与工程学院,辽宁沈阳,110004
国内会议
苏州
中文
591-596
2007-10-18（万方平台首次上网日期，不代表论文的发表时间）