基于聲學(xué)特征的自動語言辨識研究.pdf

1、本文主要利用各種聲學(xué)特征參數(shù)基于GMM建模的方法開展了自動語言辨識的研究，主要的研究工作包括： 1．六語種語音語料庫的建立：利用已有的漢語語料庫和從網(wǎng)絡(luò)上采集的英、德、日、法、西班牙等五種語言的語音建立了多語種語料庫。語料庫的訓(xùn)練集中有264個說話人、每人60～300秒的語音，測試集中每個語種有30～50個訓(xùn)練集外的說話人，每個人有至少50個平均時長為4.5秒的語音片段。 2．自動語言辨識系統(tǒng)的初步實驗研究：建立了基于G

2、MM的六語種識別系統(tǒng)，研究了系統(tǒng)識別率、GMM的混合分量數(shù)目與訓(xùn)練數(shù)據(jù)多少的關(guān)系，以及RASTA濾波和CMS處理對MFCC參數(shù)性能的影響。 3．提出了一種新的二次彎折函數(shù)，研究了基于基音頻率均值的說話人歸一化技術(shù)在自動語言辨識系統(tǒng)中的應(yīng)用。利用對比實驗來比較二次彎折函數(shù)與常規(guī)的線性彎折函數(shù)和分段線性彎折函數(shù)的性能。 4．提出了滑動倒譜的概念，并將兩種常用特征參數(shù)RASTA-MFCC和RASTA—PLP的滑動倒譜與當(dāng)前研究