基于神经网络的数字语音信号识别

神经网络是一门新兴交叉学科， 始于20世纪40年代，是人类智能研究的重要组成部分，已成为脑科学、神经科学、认知科学、心理学、计算机科学、数学和物理学等共同关注的焦点[1]。神经网络就是指模仿人脑神经网络的结构和某些工作机制建立一种计算模型的处理方法。神经网络作为一种新技术之所以引起人们巨大的兴趣， 并越来越多地用于控制领域， 是因为与传统的控制技术相比，它具有以下重要的特征和性质： ①非线性。神经网络在解决非线性控制问题方面很有希望。这来源于神经网络在理论上可以趋近任何非线性映射，人工神经网络比其他方法建模更经济。②平行分布处理。神经网络具有高度平行的结构，这使它本身可平行实现。由于分布和平行实现，因而比常规方法有更大程度的容错能力。神经网络的基本单元结构简单并行连结会有很快的处理速度。③硬件实现。这与分布平行处理的特征密切机关，也就是说它不仅可以平行实现，而且许多制造厂家已经用专用VLSI硬件来制作神经网络。这样，速度进一步提高， 而且网络能实现的规模也明显增大。④学习和自适应性。利用系统过去的数据记录，可对神经网络进行训练。受适当训练的网络有能力泛化，也即当输入出现训练中未提供的数据时，网络也有能力进行辨识。神经网络也可以在线训练。⑤数据融合。神经 网络可以同时对定性和定量数据进行操作在这方面，神经网络正好是传统工程系统（ 定量数据） 和人工智能领域（ 符号数据） 信息处理技术之间的桥梁[2]。 网络可以同时对定性和定量数据进行操作在这方面，神经网络正好是传统工程系统（ 定量数据） 和人工智能领域（ 符号数据） 信息处理技术之间的桥梁[2]。