10.3969/j.issn.1009-0134.2016.05.037
基于GMM-HMM和深层循环神经网络的复杂噪声环境下的语音识别
探索了工厂实时环境下控制平台使用语音输入代替键盘输入的一种新型语音识别算法。目前，在无噪声情况下，语音识别已经获得了很好的效果。但一旦考虑实时环境下的噪声，它的识别精度会大幅下降。本文结合混合高斯分布的隐马尔科夫模型与深层循环神经网络模型提出了一种新型语音识别混合模型，可以有效去除工厂复杂环境下的噪音干扰，提高语音识别的有效性。实验结果表明，此方法在噪声环境下具有良好的适应性能。
隐马尔科夫模型、深层循环神经网络、抗噪、混合模型、MATLAB
38
TN912.34;TH18
国家自然科学基金资助项目51375178
2016-06-22（万方平台首次上网日期，不代表论文的发表时间）
共5页
142-146
