电话信道中的自动语言辨识技术研究

论文摘要

自动语言辨识技术是建立在语音学、语言学、数字信号处理和模式识别等学科的基础之上,利用计算机对语音信号进行分析处理以判断其所属语言种类的一种技术,是未来的语言辨识-语音识别-机器翻译-语音合成自动语音处理流程的重要一环。 通过对自动语言辨识技术发展史的研究,本文指出特征研究的两个重点问题是新的高效辨识特征的寻找和辨识率与执行代价之间的平衡。本文通过向原始特征中加入动态信息和将Cohen类双线性时频分布技术引入语言辨识特征提取过程两种方法对第一个问题作了有益的探索研究。 传统特征中除了动态差分参数以外全都是静态特征,而帧间动态信息包含着大量的语言辨识信息。通过对时域扩展特征矢量作主分量分析可以得到引入了帧间动态信息的时频主分量特征。其效果最好处的语言辨识率较12维线性预测倒谱系数（LPCC）原始特征提高了10.87个百分点,已达80.18%。 利用Cohen类双线性时频分布在处理非平稳信号上的优势,本文使用Cohen类双线性时频分布在克服了短时平稳假设这一技术限制的情况下完成了对基音频率的提取,获得了美尔频率倒谱系数（MFCC）的改进特征时频美尔频率倒谱系数（TFMFCC）,并单独使用Cohen类双线性时频分布提出一种新的类相关核时频分布特征。其中时频美尔频率倒谱系数特征对美尔频率倒谱系数特征的最好改善处有着3.13个百分点的提高,类相关核函数时频分布特征也有着54.95%的辨识率。 实验结果表明了时频主分量特征在引入动态信息上的有效性,并显露出Cohen类双线性时频分布在利用其高时频分辨率和不受短时平稳假设约束的优势提高语言辨识特征性能中具有的潜力。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 自动语言辨识基本原理
• 1.1.1 语言辨识信息
• 1.1.2 自动语言辨识系统
• 1.2 自动语言辨识发展史
• 1.2.1 语料库
• 1.2.2 辨识方法
• 1.3 本论文主要工作
• 第二章 时频主分量特征
• 2.1 特征变换
• 2.1.1 线性判别分析（LDA）
• 2.1.2 主分量分析（PCA）
• 2.1.3 独立分量分析（ICA）
• 2.2 时频主分量特征提取
• 2.4.1 时频滤波
• 2.4.2 训练与识别
• 第三章 COHEN类双线性时频分布
• 3.1 COHEN类时频分布
• 3.2 核方法
• 3.3 与核有关的基本特性
• 3.4 COHEN类双线性时频分布的四个平面
• 3.5 实验所用COHEN类双线性时频分布
• 3.5.1 魏格纳维尔分布（Wigner-Ville Distribution）
• 3.5.2 玻恩-约尔丹分布（Born-Jordan Distribution）
• 3.5.3 赵-阿特拉斯-马克斯分布（Zhao-Atlas-Marks Distribution）
• 3.6 COHEN类分布的离散实现
• 第四章 利用COHEN类双线性时频分布提取的三种特征
• 4.1 基音特征
• 4.2 时频美尔频率倒谱系数
• 4.2.1 美尔频率倒谱系数
• 4.2.2 时频美尔倒谱系数
• 4.3 类相关核时频分布特征
• 第五章 实验
• 5.1 语料选取
• 5.2 模型
• 5.2.1 高斯混合模型定义
• 5.2.2 参数调整算法-EM算法
• 5.3 实验结果
• 5.3.1 时频主分量特征
• 5.3.2 基音频率特征
• 5.3.3 时频美尔倒谱系数特征
• 5.3.4 类相关核时频分布特征
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 进一步研究方向
• 参考文献
• 致谢