基于隐马尔可夫模型与神经网络的特征声音识别方法

本公开提供一种基于隐马尔可夫模型与神经网络的特征声音识别方法及系统，通过提取隐马尔可夫模型中全部状态的累积概率构建多维特征向量，并将该向量输入至隐层神经元数量可动态调整的自组织神经网络分类器，利用竞争学习机制实现声音特征的深度聚类，有效克服了传统声音识别技术中状态信息利用不足、相似模式区分能力弱以及模型适应性差的缺陷，显著提升了复杂环境下声音识别的准确率与鲁棒性，尤其适用于汉语数字等有限词汇集的高精度识别场景。