学位论文 > 优秀研究生学位论文题录展示

基于脉冲神经网络的语音识别方法研究

作　者: 章文彬
导　师: 方路平
学　校: 浙江工业大学
专　业: 计算机应用技术
关键词: 脉冲神经网络语音识别 H-H方程圆映射
分类号: TP183
类　型: 硕士论文
年　份: 2007年
下　载: 259次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，基于spike神经元模型的人工神经网络(Spiking NeuralNetworks，简称SNNs，我们称之为脉冲神经网络)受到了人们的很大关注，被誉为下一代神经网络。spike神经元模型是利用神经元触发的脉冲时序来进行信息的编码和处理，而不是用触发脉冲的平均速率来进行编码。因此SNNs编码方式具有很好的时态性，非常适合分析处理基于时间结构的数据。有研究表明SNNs比一般的神经网络具有更强的计算能力，而且前者所需神经元数目或层次也比后者要少。不过目前对SNNs的研究主要是理论、算法等方面，在实际应用方面的研究比较少。本文结合了脉冲神经网络处理时态问题上优势，以及最近学术界的研究的热点，就基于脉冲神经网络这一理论来解决语音识别问题进行探讨和研究。本文系统地介绍了脉冲神经网络的相关理论，包括Spike神经元的模型，脉冲编码方式，动力学原理及表示，著名的H-H方程，以及网络结构和相关应用。较全面地介绍了语音识别技术，并分析了语音识别所面临的问题及前景和应用。清晰地给出了用脉冲神经网络来进行语音识别的方法和步骤，在脉冲神经元的仿真上使用比较经典的H-H方程，同时利用圆映射的方法将神经脉冲序列转变为符号序列，最终由符号空间转变到距离空间来进行计算和匹配。最后用软件完成了基于脉冲神经网络理论的孤立词语音识别的实验，通过调节H-H方程的部分参数提高了系统的识别率。

全文目录

摘要  5-7
ABSTRACT  7-11
第一章绪论  11-14
  1.1 研究背景及意义  11-13
  1.2 本文的研究内容  13-14
第二章神经网络的理论基础  14-21
  2.1 神经元及其行为机理  14-17
  2.2 人工神经网络的信息处理原理  17-18
  2.3 人工神经网络的历史  18-21
第三章脉冲神经网络  21-34
  3.1 提出动机  21-23
  3.2 脉冲神经网络介绍  23-25
    3.2.1 神经元动力学原理  23
    3.2.2 编码方式  23-25
  3.3 神经元模型  25-31
    3.3.1 平衡电位  26-27
    3.3.2 H-H模型  27-31
  3.4 网络结构  31-33
  3.5 脉冲神经网络的相关应用  33-34
第四章语音识别技术综述  34-46
  4.1 语音识别的发展历史  34-36
    4.1.1 国外研究历史及现状  34-36
    4.1.2 国内研究历史及现状  36
  4.2 语音识别系统的分类  36-37
  4.3 语音识别的几种基本方法  37-40
    4.3.1 基于语音学和声学的方法  37-38
    4.3.2 模板匹配的方法  38-39
    4.3.3 神经网络的方法  39-40
  4.4 语音识别系统的结构  40-43
  4.5 语音识别所面临的问题  43-45
  4.6 语音识别技术的前景和应用  45-46
第五章基于脉冲神经网络的语音识别方法  46-63
  5.1 语音信号的预处理  46-51
    5.1.1 语音信号的预加重  47
    5.1.2 加窗分帧处理  47-48
    5.1.3 语音的端点检测  48-51
  5.2 语音信号的特征提取  51-58
    5.2.1 线形预测系数(LPC)  52-55
    5.2.2 线形预测倒谱系数(LPCC)  55-56
    5.2.3 Mel频率倒谱系数(MFCC)  56-58
  5.3 神经元模型的建立  58-60
  5.4 圆映射  60-63
    5.4.1 输出信号的圆映射  60-61
    5.4.2 输出信号的符号动力学分析  61-63
第六章实验与讨论  63-69
  6.1 语音样本库的建立  63-64
  6.2 语音信号的端点检测与特征提取  64-65
  6.3 脉冲神经元的设计与圆映射  65-66
  6.4 实验结果与分析  66-69
第七章工作总结与展望  69-71
  7.1 全文工作总结  69-70
  7.2 进一步研究工作的展望  70-71
参考文献  71-75
致谢  75-76
攻读学位期间发表的学术论文目录  76

基于脉冲神经网络的语音识别方法研究

内容摘要

全文目录

相似论文