本文關(guān)鍵詞：彝語孤立詞識別研究，由筆耕文化傳播整理發(fā)布。

【摘要】：語音識別是模式識別與人工智能的研究熱點之一。彝語語音識別是語音識別研究領(lǐng)域的一個新方向。目前,已經(jīng)有英語、漢語等語音識別產(chǎn)品投入商用。國內(nèi)對漢語音識別的研究已發(fā)展到大詞匯量、連續(xù)語音和魯棒性語音識別,相比之下少數(shù)民族語言語音識別研究卻很滯后,尤其是對擁有871萬(2010年統(tǒng)計數(shù)據(jù))使用者的彝語,基本未見有語音識別的研究。因此,彝語語音識別研究具有重要意義,一方面使彝族同胞享受科技帶來的便利,促進(jìn)各民族的交流與共同發(fā)展；另一方面可以更好地傳承彝族優(yōu)秀文化,提升我國文化底蘊(yùn)。本文在詳細(xì)分析彝語特點、彝語音信號預(yù)處理技術(shù)后,對彝語音信號的特征參數(shù)做了深入探討,尤其是經(jīng)典的線性預(yù)測倒譜系數(shù)和梅爾頻率倒譜系數(shù)。比較了不同階數(shù)的線性預(yù)測倒譜系數(shù)和梅爾頻率倒譜系數(shù)及其差分參數(shù)對本文研究的彝語孤立詞識別系統(tǒng)識別率的影響。實驗結(jié)果表明,12階梅爾頻率倒譜系數(shù)具有最高的識別率,最適合作為本文研究系統(tǒng)的特征參數(shù)。支持向量機(jī)在小樣本的現(xiàn)實條件下相比于隱馬爾科夫模型、人工神經(jīng)網(wǎng)絡(luò)等常用的語音識別算法具有更好的泛化能力和分類正確率,且其通過引入核函數(shù)可以較好地解決線性不可分問題。最小二乘支持向量機(jī)與標(biāo)準(zhǔn)支持向量機(jī)相比,將凸二次規(guī)劃的求解轉(zhuǎn)化為解線性方程,具有更快地收斂速度從而減少了求解時的資源占用,并且通過采用最小二乘支持向量機(jī)對漢語語音進(jìn)行識別,驗證了其在語音識別系統(tǒng)中的有效性,因此本文嘗試使用最小二乘支持向量機(jī)作為識別算法。此外本文采用識別率、識別時間和模型訓(xùn)練時間三個指標(biāo)對比了幾種核函數(shù)在本文所研究系統(tǒng)中的性能,結(jié)果表明高斯核函數(shù)具有較好地表現(xiàn),在此基礎(chǔ)上,引入動態(tài)時間規(guī)整算法對高斯核函數(shù)進(jìn)行了改進(jìn),實驗結(jié)果表明,改進(jìn)的高斯核函數(shù)在特定的實驗環(huán)境下具有更好的性能。
【關(guān)鍵詞】：彝語 孤立詞識別 最小二乘支持向量機(jī) 高斯核函數(shù)
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN912.34
【目錄】：

• 摘要5-6
• Abstract6-12
• 第一章 緒論12-18
• 1.1 引言12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.3 本文研究目的15-16
• 1.4 本文研究內(nèi)容16-18
• 第二章 彝語音識別系統(tǒng)基本理論18-30
• 2.1 彝語音特點分析18-19
• 2.2 彝語音識別基本原理19-21
• 2.2.1 彝語音識別基本結(jié)構(gòu)19-20
• 2.2.2 彝語音識別系統(tǒng)分類20
• 2.2.3 彝語音識別系統(tǒng)性能評價指標(biāo)20-21
• 2.3 彝語音識別預(yù)處理21-25
• 2.3.1 彝語音信號數(shù)字化21-22
• 2.3.2 彝語音信號預(yù)加重22-23
• 2.3.3 彝語音信號加窗、分幀及端點檢測23-25
• 2.4 彝語音信號的特征參數(shù)25-28
• 2.4.1 線性預(yù)測倒譜系數(shù)LPCC25-26
• 2.4.2 梅爾頻率倒譜系數(shù)MFCC26-28
• 2.5 本章小結(jié)28-30
• 第三章 彝語孤立詞識別算法研究30-50
• 3.1 引言30
• 3.2 DTW算法原理30-36
• 3.2.1 DTW的搜索路徑31-32
• 3.2.2 DTW的算法實現(xiàn)32-36
• 3.3 統(tǒng)計學(xué)習(xí)理論36-39
• 3.3.1 機(jī)器學(xué)習(xí)問題簡述36-37
• 3.3.2 經(jīng)驗風(fēng)險最小化37
• 3.3.3 VC維和泛化能力的界37-38
• 3.3.4 結(jié)構(gòu)風(fēng)險最小化38-39
• 3.4 最小二乘支持向量機(jī)和核函數(shù)39-49
• 3.4.1 支持向量機(jī)39-43
• 3.4.2 最小二乘支持向量機(jī)43-44
• 3.4.3 核函數(shù)44-46
• 3.4.4 改進(jìn)高斯核函數(shù)46-49
• 3.5 本章小結(jié)49-50
• 第四章 基于LSSVM的彝語孤立詞識別50-58
• 4.1 引言50
• 4.2 數(shù)據(jù)采集與預(yù)處理50-51
• 4.3 不同彝語語音特征參數(shù)識別率比較51-56
• 4.4 基于不同核函數(shù)的LSSVM識別結(jié)果及分析56-57
• 4.5 本章小結(jié)57-58
• 第五章 總結(jié)與展望58-60
• 5.1 論文主要工作58-59
• 5.2 研究展望59-60
• 致謝60-62
• 參考文獻(xiàn)62-68
• 附錄68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 張小云,劉允才;高斯核支撐向量機(jī)的性能分析[J];計算機(jī)工程;2003年08期

2 李冠宇;于洪志;李永宏;馬寧;;基于決策樹的藏語拉薩話三音子模型[J];計算機(jī)工程與科學(xué);2013年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳其松;智能優(yōu)化支持向量機(jī)預(yù)測算法及應(yīng)用研究[D];貴州大學(xué);2009年

2 寧愛平;人工蜂群算法及其在語音識別中的應(yīng)用研究[D];太原理工大學(xué);2013年

  本文關(guān)鍵詞：彝語孤立詞識別研究，，由筆耕文化傳播整理發(fā)布。

本文編號：283594