论文部分内容阅读
提出一种隐马尔可夫模型(HMM)和小波神经网络(WNN)混合模型的抗噪语音识别方法。该方法首先利用HMM对语音信号进行时序建模,并计算出待识语音对HMM的输出概率评分,再将此概率评分作为小波神经网络的输入,获取分类识别信息,最后根据混合模型的识别算法作出识别决策。实验结果表明,在噪声环境下,由于HMM的强时序建模能力和小波神经网络的强模式分类能力,该混合模型比单纯HMM具有更强的噪声鲁棒性,明显改善了语音识别系统的性能。