基于RBF神经网络的四声自动识别及应用(2)

线性平滑使用滑动窗进行线性滤波处理，即：

其中{w(m), L为2L+1点平滑窗。满足

 

      例如三点窗的权值可以去{0.25,0.5,0.25}. 线性平滑在纠正输入信号中部平滑处样点值的同时，也使附近各点的值作了修改。所以窗的长度加大虽然可以增加平滑的效果，但是也可以导致两个平滑段之间的阶跃模糊程度加重。

      RBF神经网络除了具有一般神经网络的优点，如多维非线性映射能力，泛化能力，并行信息处理能力等，还具有很强的聚类分析能力，学习算法简单方便等优点；它能将语音的动静态特性和听觉感知特性融合到网络特性之中，用于对基音曲线数据聚类时，能使客观评测的结果与主观感知更接近。因此，本文采用径向基函数(RBF)神经网络完成语音基音数据曲线到声调四声的映射，得到对声调识别结果。

      RBF神经网络的工作原理分为两个阶段。其一：是学习阶段，选定充分和质量好的基音曲线数据样本。RBF神经网络学习结果以权值的形式存储在网络结构之中。其二：是工作阶段，当测试语音样本输入RBF神经网络时，训练好的具有一定泛化性的网络将进行内插和外推的方式进行自适应完成特征匹配过程。给出客观声调评价结果。其中训练集与测试集语音样本均选自苏州大学普通话测试中心的考试语音。

      根据声调的特点，采用一个具有十四个输入节点（基音曲线数据归一化），四个隐含节点（分别代表四声），一个输出节点的三层RBF神经网络如图6

                                         图6（三层RBF神经网络 ）                 

      在图中，第j个隐含层节点到第m个输入节点的连接权值为 W_jm， r_J为隐含层第j个节点的高斯核宽度；输出节点到第j个隐含层节点的连接权值为U_j ；L(．)为线性函数; f_j (．)为隐含层第j个节点的激励函数，取高斯型函数，其表达式为

      （2）

网络的最终输出 有下式求出

                 （3）

       为了提高RBF神经网络的收敛速度，将隐含层参数 W_jm，r_J 和输出层权值U_j  分开进行训练．对隐含层参数 W_jm和r_J 的训练采用一种新的聚类算法，即改进最近邻聚类学习算法，此算法具有学习时间短、计算量小、网络性能优良等优点^[13]。针对语音参数处理的特性，对文献^[13]中的自适应最近邻聚类学习算法进行改进；对输出层权值U_j  的训练采用梯度下降算法。

梯度下降算法过程

<1>．给U_j 赋随机初值，j＝1，2，…，J；由改进最近邻聚类算法得到隐含层参数W_jm 和r_J  以及采用式(2)和式(3)计算神经网络的输出 O_i 

<2>.计算理想值 Y_i与RBF神经网络的输出 O_i 之间的误差为：

            （4）

<3>．定义目标函数为

                        （5）

<4>. 在t+1时刻，输出层权值U_j  按照如下的规则更新，其中为训练系数

               （6）

      客观识别性能的好坏，主要以其客观识别结果与理想值的相关性高低来衡量。相关系数 由下列式子算出

       (6)  

（7） 

实验结果如表一

七（字）	训练集1	测试集1	训练集2	测试集2
	0.9265	0.9058	0.9224	0.8894
	0.2021	0.2453	0.1068	0.1492

表一

5  结论 参考文献