蚁群优化算法及在语音识别中应用地研究.pdf

独创性(或创新性)声明
本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成
果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其
他人已经发表或撰写过的研究成果;也不包含为获得桂林电子科技大学或其它教育机
构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已
在论文中做了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切相关责任。
本人签名: 日期:
关于论文使用授权的说明
本人完全了解桂林电子科技大学有关保留和使用学位论文的规定,即:研究生在
校攻读学位期间论文工作的知识产权单位属桂林电子科技大学。本人保证毕业离校后
发表论文或使用论文工作成果时署名单位仍然为桂林电子科技大学。学校有权保留送
交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以
允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规定)
本学位论文属于保密在年解密后适用本授权书。
本人签名: 日期:
导师签名: 日期:




万方数据
摘要
摘要
语音是人们之间进行交流时最常用、最重要的一种信息。语音识别技术就是让机
器通过识别和理解,把人类的语音信号转变为相应的命令的技术。目前,语音识别正
逐步成为信息技术中人机交互的关键技术,在我们的日常生活中,运用也越来越广泛。
蚁群算法是一种新型的模拟仿生算法,它通过由候选解组成的群体的进化过程来
寻找最优解。自 20 世纪 90 年代初,由意大利学者 DORIGO 等人提出以来,该算法
已被广泛运用于不同的组合优化问题中,它具有许多优良的特性,易于与其他方法相
结合。在基于模板匹配的语音识别系统中,通常采用动态时间规划 DTW(Dynamic
Time Warping)算法进行模板匹配,它是把时间归整和距离测度计算结合起来的一种
非线性归整技术,本质上是把训练语音与待识别语音的特征映射到生成的平面上,按
一定准则搜索一条从起点到终点的最优路径。这是一种局部最优算法,其每一步搜索
都是根据局部优化的判断进行的。因此,采用蚁群算法可以解决时间规划路径达不到
全局最优的问题。
本文首先对语音信号的预处理、端点检测及特征参数提取等关键技术进行了详细
的探讨,并详细介绍了基本蚁群算法的基本原理,随后,针对语音识别中,动态时间
规整(DTW)对语音端点的检测精确过度依赖、识别时间长及识别效率低等问题,
提出了一种基于改进型蚁群算法的动态时间规划方法。其核心是针对基本蚁群算法,
采用自适应的挥发系数,动态信息素更新策略,新的状态转移规则以及最优的蚂蚁参
数选择等改进方法,使算法能在较短的时间内能寻找到最佳路径,提高执行效率。仿
真实验分别测试了基于传统DTW算法和基于改进蚁群算法的DTW算法的识别率,结果表
明该算法能在较短的时间内能找到更好的调度策略,提高了蚁群的全局搜索能力和准
确性,能有效的提高语音识别系统的效率。


关键词:语音识别;特征提取;蚁群算法;动态时间规划;优化;仿真






-I-
万方数据
摘要
Abstract
Voice is the most basic and important information carrier between the exchanges of
people. Speech Recognition Technology is that puts a human voice signals into text or
commands by recognition and understanding of the machine. At present, speech
recognition is ing the key technology of the puter Interaction in the
information technology, in our daily live, it is also more and more widely used.
Ant Colony Algorithm is a novel simulated bionic optimization algorithm which finds
the optimal solution based on the evolutionary process of candidate group of sea