基于电话语音的少数民族语种识别研究

论文摘要

据有关资料统计,当今世界上共有5651种语言。语种之间的信息互通越来越重要,如何让计算机识别出不同的语种已经成为人们的迫切需求。语种识别（Language Identification, LID）,是计算机通过分析处理一段语音片断以判别其属于何种语言的过程,本质上也是属于语音识别的一个分支。它已经广泛的应用于信息检索和军事安全等领域。当前语种识别系统主要有三个方面：音位结构模型系统、声学模型系统以及联合系统。其中声学模型系统由于不需要人工标注语料,而且系统扩展性好,所以得到了广泛的应用。本文研究与文本无关的少数民族语种识别方法,采用高斯混合模型—通用背景模型（Gaussian Mixture Model-Universal Background Mode, GMM-UBM）建立语种识别系统,探索提高识别率的途径。论文的主要工作有：（1）少数民族电话语音数据库的录制,该数据库包含了9个少数民族语和汉语普通话共10个语种,每个语种有50个发音人,男女比例约为1:1,并进行语音数据的整理。（2）构建一个基于GMM-UBM的少数民族语种识别系统,设计并实现语种识别实验：用双门限的方法进行语音检测；提取MFCC和SDC特征参数；训练UBM模型和GMM模型。（3）用6个民族的不同时长的测试语音和汉语借词进行测试。按四种测试语料分别给出各个语种的识别率,对比两种特征的识别率,从语音学的角度分析各语种之间误识别的原因,还分析了汉语借词对少数民族语种识别率的影响。实验结果表明,论文设计的基于GMM-UBM的语种识别系统具有较好的扩展性；双门限的方法进行语音检测,能有效地去除噪音,提取到有用的语音帧；基于SDC特征参数的少数民族语种识别率明显高于基于MFCC特征参数的识别率；6个语种之间存在有规律的误识别；对汉语借词的识别,实验结果表明汉语借词会使少数民族语种识别率明显下降。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 语种识别概述
• 1.2.1 语种识别的原理
• 1.2.2 语种识别研究的历史
• 1.2.3 语种识别的主要方法
• 1.2.4 语种识别系统评估与数据库
• 1.3 论文的研究思路和作者的工作
• 1.3.1 研究思路
• 1.3.2 作者的工作
• 1.4 论文的组织
• 第二章 电话语音库的录制
• 2.1 引言
• 2.2 语音数据库的设计
• 2.2.1 发音人
• 2.2.2 录音内容
• 2.3 录音软件的开发
• 2.4 录音和数据整理
• 2.5 本章小结
• 第三章 基于GMM-UBM的语种识别
• 3.1 引言
• 3.2 语音信号预处理
• 3.3 MFCC特征参数
• 3.4 SDC特征参数
• 3.5 高斯混合模型
• 3.5.1 GMM模型的基本概念
• 3.5.2 GMM模型的训练
• 3.5.3 基于GMM模型的语种识别
• 3.6 GMM-UBM模型
• 3.6.1 MAP自适应算法
• 3.6.2 对数似然比的计算
• 3.6.3 后端得分处理
• 3.7 本章小结
• 第四章 实验结果与分析
• 4.1 引言
• 4.2 实验数据库
• 4.3 实验方案
• 4.4 实验结果与讨论
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 在读研究生期间参加项目和发表论文情况