11、语音打字机与Hopfield网络技术解析

语音打字机与Hopfield网络技术解析

语音打字机技术剖析

语音打字机在语音识别领域有着重要的应用，其核心技术涉及多个关键环节。

前端预处理

前端处理是神经网络技术中不可或缺的部分。Kohonen的系统依靠标准数字信号处理技术从语音输入中提取音素频谱数据，具体步骤如下：
1. 信号滤波与转换 ：语音波形从麦克风输入后，先经过一个5.3 kHz的低通滤波器，再驱动一个12位的A/D转换器，采样率为13.03 kHz。
2. 快速傅里叶变换（FFT） ：对A/D转换器输出的数字数据每隔9.83 ms进行一次256点的FFT计算，以捕捉音素的频谱内容。选择FFT技术是因为它比传统编码方法更能体现频谱成分的聚类特性，为分类器训练提供更有用的表示，且该技术快速、可靠且得到广泛支持。
3. 数据处理与特征向量生成 ：FFT输出经过滤波和对数处理后，信息被整合为一个15分量的连续模式向量，该向量表示200 Hz至5 kHz范围内15个频带的瞬时功率。在输入网络之前，各分量去除信号平均值并归一化为固定长度。此外，还使用第16个向量分量表示语音信号的均方根值。

在预处理阶段，Kohonen将语音输入量化为一个16位的特征向量，该特征向量是语音波形的一个短时间切片，用于训练网络。需要注意的是，网络并非基于音素数据进行训练，而是基于时间切片的语音波形，但网络节点会对音素数据变得敏感，因为网络输入围绕音素进行。训练过程中形成的聚类需要手动标记，即向网络呈现孤立的音素样本，在拓扑图上找到最大响应区域。

音素分类 </