【摘要】：漢語普通話是世界上歷史最為悠久,發(fā)展水平最高的語言之一。同時,漢語普通話也是世界上使用人數(shù)最多的語言之一。本文總結(jié)研究了漢語普通話聲學(xué)方面的特點,并將其應(yīng)用到語音識別系統(tǒng),對比分析了系統(tǒng)性能；此外,搭建漢語普通話文本依賴說話人識別系統(tǒng),并將漢語普通話的特點考慮到系統(tǒng)的設(shè)計實施中,對比分析了系統(tǒng)性能。 本文首先介紹了語音產(chǎn)生系統(tǒng)及語音感知系統(tǒng),以及語音相關(guān)的識別系統(tǒng)中常用的特征篩選方法、隱馬爾科夫模型(Hidden Markov Model)以及決策樹基礎(chǔ)理論知識。 然后總結(jié)了漢語普通話多方面的特點,主要是聲學(xué)方面的特點；基于其特點,查閱相關(guān)論文,從漢語普通話連續(xù)語音中提取基音頻率軌跡,通過強制對齊提取漢語音素基音頻率；實驗研究了音素基音頻率軌跡各個方面的區(qū)分度。 最后,結(jié)合漢語普通話音素基音頻率軌跡區(qū)分度實驗結(jié)果,將基音頻率特征應(yīng)用到漢語普通話語音識別系統(tǒng)中,對比分析了系統(tǒng)性能；此外,設(shè)計實施漢語普通話文本依賴說話人識別系統(tǒng),并將基音頻率特征整合到系統(tǒng)中,對比分析了系統(tǒng)性能。
【圖文】：

第二章語音信號處理基礎(chǔ)理論 第二章語音信號處理基礎(chǔ)理論2.1引言所謂說話人識別，是指通過從語音信號中提取出能夠反應(yīng)不同說話人發(fā)聲系統(tǒng)差異的參數(shù)，進而對這些參數(shù)進行建模，從而進行說話人識別的技術(shù)。而語音識別則是從不同內(nèi)容的語音中提取出一組參數(shù)，反映說話人說不同內(nèi)容時發(fā)聲系統(tǒng)的狀態(tài)，然后對這些參數(shù)建模，從而達到語音識別的目的。說話人識別、語音識別涉及到諸多領(lǐng)域，比如生理學(xué)、語音信號處理、模式識別以及語言學(xué)等；本章主要闡釋常用的基礎(chǔ)理論知識。2.2語首產(chǎn)生系統(tǒng)

的線性濾波器來近似。聲道的共振頻率稱為共振峰頻率(Formant Frequencies)或簡稱為共振峰(Formant)，，如圖2-3所示：I ‘ ‘ ] ‘ { -- I -語音信號頻率特性I3[_ I 倒譜聲道譜特性I-3- j - N I 1 I ‘ !_1 0 500 1000 1500 2000 2500 3000 3500 4000頻率/Hz圖2-3聲道頻率特性及共振峰示意圖圖中F1,F2標注的分別是第一共振峰和第二共振峰。聲道頻率響應(yīng)的尖峰位置大致對應(yīng)共振峰的位置。聲道用一個全極點模型近似的話，每個極點對應(yīng)一個共振峰，而極點與單位圓的遠近則決定了共振峰帶寬。共振峰頻率隨著聲道長度的增加而降低，其中兒童、女性、男性的共振峰頻率依次降低。2.3梅爾頻率倒譜系數(shù)根據(jù)語音產(chǎn)生系統(tǒng)的結(jié)構(gòu)，經(jīng)過聲門的氣流通過聲道的過程就是聲道對氣流進行整形濾波的過程；所以聲道的狀態(tài)決定了發(fā)聲系統(tǒng)產(chǎn)生的語音，如果我們能夠準確反映發(fā)聲過程中聲道的形態(tài)，那么我們就能準確反映發(fā)聲系統(tǒng)所產(chǎn)生的聲音對應(yīng)的語音內(nèi)容；而聲道的形態(tài)又反映在語音信號短時功率譜中，因此我們可以提取一組參數(shù)用來刻畫語音信號的功率譜特性。目前用的較多的刻畫聲道不同狀態(tài)特點的特征包括：線性預(yù)測倒譜系數(shù)(Linear Predictive Cepstrum Coefficients ,LPCC)【9]、感知線性預(yù)測系數(shù)(Perceptual Linear Predictive , PLP/igi以及梅爾頻率倒譜系數(shù)(Mel Frequency Cepstral Coefficents, MFCC)丨丨丨]。從人類語音的感知角度看，人類聲音感知系統(tǒng)主要包括兩部分：外圍聽覺器官（gp
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN912.3;H116

【參考文獻】

相關(guān)期刊論文 前2條

1 陳曉磊;;基音周期的提取[J];大眾科技;2009年09期

2 楊迪;戚銀城;劉明軍;張華芳子;武軍娜;;說話人識別綜述[J];電子科技;2012年06期

本文編號：2522844