基于ANN的汉语数字语音识别

本文介绍了在语音识别中使用人工神经网络构成识别系统的新方法，分析了它与传统识别方法的不同及优越性，并以ＢＰ网络构成不定人汉语数字语音识别器，通过计算机模拟实验表明，勘误别性能明显优于同样条件下ＨＭＭ识别器，证明了用ＡＮＮ进行语音识别是一种具吸引力有发展前途的新方法。     

神经网络与HMM构成的混合网络在语音识别中应用的研究

隐马尔可夫模型（ＨＭＭ）技术是语音识别中应用较为成功的算法，但它的缺点影响了其精度、速度、硬件实现和推广应用。神经网络（ＮＮ）具有并行性、强的分类能力和易于硬件实现等优点。将ＮＮ与ＨＭＭ相结合构成混合网络，能克服ＨＭＭ与ＮＮ的缺点，保留双方的优点。本文详细评述了目前在语音识别中应用的由ＨＭＭ和ＮＮ构成的四种混合网络。通过对其结构、识别性能和特点的分析，可以看出ＨＭＭ和ＮＮ构成的混合网的性能明显优于     

特定人汉语数码语音抗噪识别方法

本文提出一种连续隐邓尔可夫模型（ＣＨＭＭ）和人工神经网络（ＡＮＮ）相结合的鲁棒性识别方法。用于噪声环境下特定人数码语音识别,该方法以ＣＨＭＭ的输出作为系统的识别矢量,利用人工神经网络的模式分类和自学习功能,从识别矢量空间中提取语音预识别矢量,再由识别结果进行识别输出。实验证明,这种基于ＣＨＭＭＡＮＮ的数码语音识别方法明显地提高了系统的噪声鲁棒性,适用于中小词表语音识别系统。     

基于多级神经网络结构的手写体汉字识别

本文提出了一种用于手写体汉字识别的多级神经网络结构（Ｍｕｌｔｉ－ｓｔａｇｅＮｅｕｒａｌＮｅｔｗｏｒｋＡｒｃｈｉｔｅｃｔｕｒｅ，ＭＮＮＡ）模型。在该模型中，我们将多个神经网络和不同的特征提取方法有机地集成在一起而构成一个完整的模式识别系统。我们讨论了设计ＭＮＮＡ的一般原理，并提出了一个基于多层前馈神经网络的三级结构的手写体汉字识别实验系统。三种不同的特征提取方法被应用于各级子系统之中。对１００个汉字１５０００个样本的实验我们得到了９９．３４％的识别率，０．３６％的拒识率和０．３％的误识率，表明该模型是十分可行和有效的     

用DSP实现人工神经网络语音识别

本文首先叙述人工神经网络在语音识别方面的应用，然后介绍两种采用数字信号处理器实现的语音识别器。一种是英文独立字母语音识别器，叙述多层感知器和后向传播算法。另一种是中文独立字及连续语音识别器，叙述添加多层和感知后处理器的隐含马尔可夫模型。     

基于Kohonen神经网络的飞机目标识别

首先分析了Ｋｏｈｏｎｅｎ神经网络算法及其识别机理，结合飞机目标识别实现情况，借鉴人及从粗分到细分的思想，提出了基于ＫＮＮ－ＭＬＦＮＮ网络组分类器的飞机目标分类方法，应用于五种飞机目标的识别结果表明，自组织神经网络的学习速度快，自学习能力强；ＫＮＮ－ＭＬＦＮＮ网络组分类器有高的分类精度。     

听觉模型用于语音识别以及与一般方法的比较

本文在文献（１）建立的外周听觉系统以及部分中枢听觉神经系统的基础上，建立了一个主意识别器。它由听觉模型作为语音声学前端处理器（即特征提取），由具有ｔｏｎｏｔｏｐｉｃ组织结构的神经网络作为识别分类器。大量实验表明，由该听觉模型提取的特征参数不仅能很好地表示主意区别意义，而且对于噪声环境下的语音特征表示有较好ｔｏｂｕｓｔｎｅｓｓ。语音识别实验表明：在有噪声的情况下，采用听觉模型参数的识别器，其识别率明     

CDMA系统中自适应反向闭环功率控制

在码分多址（ＣＤＭＡ）移动通信系统中，反向链路功率控制对克服“远近效应”和增加系统容量是非常重要的。本文提出了一种基于改进的神经网络（ＭＮＮ）的自适应闭环功率控制算法，该方法平滑了移动信道衰落的影响。使基站接收到的小区中所有用户的信号功率相等。仿真经结果表明，由于神经网络能够较好地识别反向链路的时变特性，ＭＮＮ功率控制方法比传统的固定步长功率控制方法取得了更好的控制性能和系统容量。     

采用上下文相关音素HMM的连续语音识别

本文简要讨论了在基于ＨＭＭ的连续语音识别系统中怎样选取基本语音单元的问题，介绍了在欧洲Ｐｏｌｙｇｌｏｔ课题下在法国ＬＩＮＳＩ－ＣＮＲＳ建立的基于上下文无关音素ＨＭＭ。然后，本文详细给出了利用左或右上下文相关音素ＨＭＭ，作者对上述系统改进后进行的连续语音识别，有用美国语音库ＤＡＲＰＡ－ＲＭ１，在不考虑句法信息时，我们获得了连续时词识别率大约３－１０个百分点的明显提高。实验是在法国ＬＩＭＳＩ－ＣＮＲＳ     

语音识别技术及其发展

本文综述了语音识别研究中应用的主要算法和技术。首先详细地分析了以词为基元的孤立语音识别系统的实现方式,然后结合连续语音识别,介绍了利用语言知识的以子词为基元的识别思想。文中还介绍了语音识别器的典型应用和当前国际上的研究动态。     

汉语数码语音识别自适应算法

说话人自适应是提高非特定人语音识别性能的有效方法之一。本文将ＭＡＰ算法应用于汉语数码语音识别中,并讨论了几种加快自适应速度的方法以及自适应对非自适应人的影响。实验表明,ＭＡＰ算法可以有效地降低汉语数码识别对被适应人的误识率,而且对非自适应人性能影响很小。     

IW的智能人机接口

本文介绍中日国际合作开发研究的Ａ１型智能网络（Ａ１型ＩＮ）智能工作站（ＩＷ）的重要组成部分－智能人机接口（ＩＭＭＩ）的硬件结构及其软件系统。同时，介绍ＩＭＭＩ支持语音、图文、图象等人机交互和识别功能。     

语音识别隐马尔可夫模型的改进

由于在语音识别中被广泛应用的隐马尔可夫模型是一重马尔可夫模型，它不能充分地描述语音信号的时间相依性。虽然理论上可将ＨＭＭ扩展成多重马尔可夫模型，但由于所需运算量和存储量将成指数增长而使其难以应用。因此，本文提出一种新模型，它是由ＨＭＭ与一个能描述语音信号时间相依性的多维高斯密度函数相结合构成的。本文从理论上论证了新模型的合理性。对汉语不计声调的全部４０９个单音节的识别实验结果表明：新模型的识别率显     

一种CDHMM／MLP混合模型及其在语音识别中的应用

本文提出了一种由连续隐马尔可夫模型与多层感知器构成的混合模型，并将该模型应用于语音孤立词识别，这种混合模型首先用ＣＤＨＭＭ来获取输入信号的动态特性，然后再以ＭＬＰ分类器对输入信号进行分类识别。其主要目的是通过ＭＬＰ分类器，对ＣＤＨＭＭ中的似然估计值进行分析，分类，以加强和提高ＣＤＨＭＭ的分类能力。根据这种混合模型，我们建立了一个含３０个英语单词的语音识别系统。实验结果表明，该系统的识别率明显高于传     

语音增强IMBE声码器研究

多带激励声码器（ＭＢＥ）由ＭＩＴ的Ｇｒｉｆｉｎ在１９８７年提出，其改进算法（ＩＭＢＥ）已被ＩＮ－ＭＡＲＳＡＴ采纳作为卫星话音通信的标准。ＭＢＥ声码器在中低速率上可获得较好的合成语音质量，但在噪声环境中使用时，随着输入信噪比的降低，其性能将显著恶化。本文试图将语音增强技术与ＭＢＥ模型相结合以提高声码器抗噪声的性能。我们研究了两种方案：一是采用语音增强预处理器和ＩＭＢＥ声码器级联，二是将语音增强技术和ＩＭＢＥ声码器有机结合构成语音增强ＩＭＢＥ声码器。客观测试和主观试听表明，这两种系统在噪声环境中工作时，性能都有很大的提高。     

自适应神经网络判决树及其在人脸识别领域的应用

提出了一种神经网络与判决树结合而成的新结构－自适应神经网络判决树（ＡＮＮＤＴ）。实验表明，基于ＡＮＮＤＴ的人脸识别方法，能够综合利用多种神经网络模型和特征提取算法，不仅具有较高的识别速度、准确率、容错性和健壮性，而且基本满足开发实用化人脸识别系统的要求。     

环结构神经网络及其互联想性能

本文提出一种称为环结构神经网络（ＬＡＮＮ）模型及其学习算法，它能像Ｈｏｐｆｉｅｌｄ网络，双向联想记忆（ＢＡＭ）网络和其它类似网络一样工作，特别是它能执行多类样本之间的互联想记忆，理论分析和计算机模拟都证明ＬＡＮＮ具有很好的收敛性，是一种有效的网络结构，最后本文给出了计算机模拟结果。     

基于多频带谱减法的抗噪声语音识别研究

为了减少在噪声环境下测试条件与训练条件不匹配导致的语音识别性能下降,提出了一种结合多频带谱减法的抗噪声语音识别系统。首先提取带噪语音的前几帧作为估计的噪声信号,将带噪语音、估计的噪声信号按频率划分M个互不相交的频带,然后根据每个频带内带噪语音与估计的噪声信号的性噪比,来确定该频带噪声的谱减参数。语音增强作为前端处理,与语音识别器级连构成抗噪声语音识别系统。通过实验仿真表明,基于多频带谱减法的抗噪声语音识别系统在不同信噪比不同类型的噪声下,识别性能明显优于基本谱减法。     

雷达抗反辐射导弹的一种新方案

本文首先指出抗反辐射导弹（ＡＲＭ）技术的四个特点，然后分析三种现有的抗ＡＲＭ方法并予以评估。在此基础上，设想了一种设备便于较大批量生产的抗ＡＲＭ新方法－采用先进ＡＲＭ告警雷达和系列化通用诱饵所构成的综合对抗系统来保护绝大多数地面防空雷达。之后，依据未来实战需求，提出了对系列化通用诱饵的基本要求，并着重分析了先进ＡＲＭ告警雷达的体制的特征。     

正反向隐马尔可夫模型及其在连续语音识别中的应用

本文针对语音信号中客观存在的正、反向依赖特性，明确提出了用条件概率的概念来定量表述语音信号的这种正、反向的马尔可大依赖关系，提出了描述语音信号这种正反向依赖关系的正反向隐马尔可夫模型（ＨＭＭ），并用实验证明了仅仅利用语音反向依赖关系语音识别同样也能获得相当可观的识别性能。接着，本文针对孤立字和连续语音两种不同的识别任务，研究了在语音识别中同时利用这两种依赖信息的方法，并提出了一种连续语音识别中的新的搜索算法──正反向分半混合搜索。这种方法利用基于正向ＨＭＭ的正向Ｖｉｔｅｒｂｉ搜索和基于反向ＨＭＭ的反向Ｖｉｔｅｒｂｉ搜索的中间结果来有效地结合正反向依赖信息，实验证明正反向分半混合搜索方法确实一致地优于单用任何一种依赖信息的单向搜索识别方法。