自动语种识别系统设计与实现

论文摘要

语种识别也叫语言辨识,其目的是使计算机具有根据一段输入语音来自动识别其所属语言种类的能力。语种识别在网络安全、身份验证、多语种信息服务等领域有着广泛的应用。如今,日益开放的国际环境和互联网的飞速发展为语种识别带来了新的挑战。本文在前人研究成果的基础上,从实际出发,设计和实现基于高斯混合模型-通用背景模型（Gaussian Mixture Model-Uniform Background Model, GMM-UBM）的语种识别系统,分别在美国国家标准技术研究院（National Institute of Standards and Technology,NIST）语料库和网络环境下测试其性能。并且从系统的性能入手,在GMM-UBM模型的基础上引入支持向量机（ Support Vector Machine, SVM） ,建立GMM/SVM的语种识别系统。本文的主要工作如下:⑴开发基于GMM-UBM的语种识别系统并完成相关实验,实验分析了模型参数的不同及测试语音时长对系统性能的影响。并给出了网络环境下的在线测试结果。⑵为了提高系统的整体性能,在GMM-UBM模型基础上引入SVM,构建基于GMM/SVM的语种识别系统,并和GMM-UBM系统做了相关对比实验。最后给出两种系统的融合方案。⑶本文在设计和实现语种识别系统时,始终从语种模型的运算量、存储量、和识别率等方面综合平衡。在特征提取时引入计算预处理、快速计算等,在GMM模型训练和测试阶段采用Top N快速算法。这些提高运算速度的方法在一定程度上保证了系统的实时性要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究目的和意义
• 1.2 国内外研究现状
• 1.2.1 语种识别的历史及现状
• 1.2.2 语种识别的主要方法
• 1.3 本文的研究内容
• 第2章 语种识别系统的框架和原理
• 2.1 引言
• 2.2 特征提取
• 2.3 声学模型介绍
• 2.3.1 GMM模型
• 2.3.2 GMM-UBM模型
• 2.3.3 SVM模型
• 2.4 模型识别与判决策略
• 2.5 语种识别的语料库及其性能评测标准
• 2.5.1 语种识别的语料库
• 2.5.2 语种识别的性能评测标准
• 2.6 本章小结
• 第3章 基于GMM-UBM的语种识别系统构建
• 3.1 引言
• 3.2 GMM-UBM语种识别系统的详细设计
• 3.2.1 概述
• 3.2.2 特征提取模块的设计
• 3.2.3 UBM模型训练模块的设计
• 3.2.4 语种模型训练模块的设计
• 3.2.5 语种识别模块的设计
• 3.3 GMM-UBM语种识别系统的具体实现
• 3.3.1 特征提取模块的实现
• 3.3.2 UBM模型训练模块的实现
• 3.3.3 语种模型训练模块的实现
• 3.3.4 语种识别模块的实现
• 3.4 实验与讨论
• 3.4.1 本地实验
• 3.4.2 网络在线测试
• 3.5 本章小结
• 第4章 基于GMM/SVM的语种识别性能改进
• 4.1 引言
• 4.2 GMM/SVM的语种识别
• 4.2.1 GMM/SVM的基本原理
• 4.2.2 GMM/SVM的系统设计
• 4.2.3 GMM/SVM的系统实现
• 4.3 GMM-UBM与GMM/SVM的融合方案
• 4.4 实验与分析
• 4.4.1 GMM/SVM实验与分析
• 4.4.2 GMM-UBM与GMM/SVM融合
• 4.5 本章小结
• 结论
• 参考文献
• 致谢